机床与液压

作者：郑玉婕，沈兴全，周进节，双立，杨启俊

单位：中北大学机械工程学院；中北大学机械工程学院;山西省深孔加工工程技术研究中心；中北大学机械工程学院;山西省深孔加工工程技术研究中心；中北大学机械工程学院；中北大学机械工程学院

关键词：深度学习;混合注意力机制;卷积神经网络;滚动轴承;故障诊断

基金：国家自然科学基金面上项目(52075503)

针对普通滚动轴承智能故障诊断方法自适应提取能力弱及故障诊断率低的问题，提出一种基于混合注意力机制模型的滚动轴承故障诊断方法。将一维原始振动信号通过连续小波变换转换为二维特征图像，输入到卷积核注意力机制中以自适应提取故障特征；将提取特征后的图像输入到TDSC模型中，以此量化模型参数、减少每个参数占用内存和对训练好的复杂模型进行压缩，同时提高模型的推理速度和模型训练的准确率；最后，通过2个不同的公开轴承数据集进行实验验证。结果表明：2个数据集故障诊断的最高准确率分别达到了99.99%和99.70%，证明了基于混合注意力机制的轴承故障诊断方法的可行性和优越性。

来源：2024年第22期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第22期