注意力机制结合CNN卷积网络的滚动轴承复合故障诊断

Composite Fault Diagnosis of Rolling Bearing Based on Attention Mechanism and CNN Convolution Network

扫码查看

原文链接

维普
万方数据

中文摘要：针对滚动轴承复合故障诊断精度低的问题,运用注意力机制对滚动轴承振动信号不同特征进行自动权重分配,以强化重要特征,弱化冗余特征;采用CNN卷积神经网络对滚动轴承故障进行诊断;在公开的滚动轴承数据集上对ATT-CNN模型进行验证.结果表明:ATT-CNN模型可准确诊断0 kW-3 kW负载和单一工况、多工况下的滚动轴承故障,对单一工况滚动轴承故障诊断的平均准确率可达97.23％,对两种或三种多工况滚动轴承故障诊断的平均准确率可分别达96.48％和83.40％.

外文关键词：

rolling bearingfault diagnosiscompound faultattention mechanism

作者：

陈其

展开 >

作者单位：

商洛职业技术学院,陕西商洛 726099

关键词：

滚动轴承故障诊断复合故障注意力机制

基金：

商洛职业技术学院2019年度重大课题

项目编号：

JXKT2019006

出版年：

2023

DOI：

10.19344/j.cnki.issn1671-5276.2023.05.031

机械制造与自动化

南京机械工程学会南京机电产业（集团）有限公司

机械制造与自动化

CSTPCD

影响因子：0.29

ISSN：1671-5276

年,卷(期)：2023.52(5)

被引量1
参考文献量14