机床与液压

作者：胡颖

单位：山西职业技术学院电气自动化工程系

关键词：改进的注意力机制;集成学习器;振动信号;故障诊断

基金：2021年山西省教育科学规划课题(ZX-18130)

针对滚动轴承振动信号易受到非平稳噪声的影响，提出一种改进注意力机制的多尺度内核网络(IA-MKNet)，以从含噪振动信号中提取更敏感的特性信号。首先提出一种改进的多尺度卷积注意力机制(IAM)，自适应提取有意义的故障特征并自动抑制噪声；然后针对振动信号固有的多时间特征，设计基于IAM的自适应多尺度核残差块来捕获振动信号的多时间尺度故障特征；最后提出一种基于自适应集成学习器的组合策略，通过融合多个IA-MKNets的输出来增加特征的多样性，从而进一步提高诊断的准确性和稳定性。实验结果表明：该方法提高了噪声环境下滚动轴承的故障诊断精度，性能优于其他5种基准方法。

来源：2023年第12期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第12期