采用多尺度注意力机制的旋转机械故障诊断方法

• 作者: 丁恩杰 刘建华 吴静然 崔冉
• 来源期刊: 西安交通大学学报
• 关键词: 旋转机械 故障诊断 随机丢弃 多尺度特征提取 注意力机制
• 年，卷（期）: 2020,（2）
• 页码范围: 51-58
• 页数: 8页
• 分类号: TH133.33|TP18
• 语种: 中文
• DOI: 10.7652/xjtuxb202002007

摘要

针对旋转机械故障诊断需要复杂特征提取过程,且对混有噪声的信号故障识别准确率偏低的问题,提出了一种基于注意力机制的多尺度端到端故障诊断方法.该方法在输入端引入随机丢弃抑制输入噪声,然后利用故障信号具有多个固有振动模态的特点,通过多尺度粗粒度层获取不同尺度下振动信号,进而利用全卷积网络实现多尺度特征提取,接着采用注意力机制将多尺度特征进行融合,最后利用多分类函数实现旋转机械故障诊断.分别在凯斯西储大学轴承数据集和变速箱数据集对该方法的有效性进行验证,结果表明:该方法的故障识别率高达100％;人为引入噪声信号的信噪比为-4 dB时,在凯斯西储大学轴承数据集F上的故障识别正确率为84.77％,在齿轮箱数据集上的识别正确率为78.365％,识别正确率明显高于其他机器学习算法,证明了该方法具有较强的抗噪声干扰能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建华	中国矿业大学徐海学院	95	735	15.0	23.0
2	吴静然	中国矿业大学徐海学院	18	33	4.0	5.0
3	崔冉	中国矿业大学徐海学院	18	26	4.0	4.0