石化行业挤压造粒机日趋大型化,其齿轮箱故障将造成非必要停车.对挤压机齿轮箱进行故障监测及诊断可以提高其可靠性.提出一种改进的Transformer挤压机齿轮箱故障诊断方法,对于原始信号输入首先经过多尺度感知层,其中使用三个不同尺度的卷积核提高捕捉局部特征信息的能力,经过多尺度感知层后的信号进入线性嵌入层进行线性映射,并在线性嵌入层添加位置信息矩阵以此解决Transformer丢失位置特征的能力,该算法展现了良好的故障特征提取能力.相较于传统的卷积神经网络诊断精度提高14％,最终达到95.4％的分类精度.
万方数据
维普
