-
题名双路Transformer在轴承故障诊断中的应用
被引量：1
- 1
-
-
作者
邰志艳
侯婷悦
刘铭
于子奇
冯子懿
-
机构
长春工业大学数学与统计学院
吉林大学符号计算与知识工程教育部重点实验室
-
出处
《重庆理工大学学报(自然科学)》
北大核心
2025年第5期179-184,共6页
-
基金
国家自然科学基金项目(61503150)
吉林省发改委省级产业创新专项资金项目(2017C033-4)。
-
文摘
针对传统算法在轴承故障诊断任务中无法充分利用信号特征,提出双路Transformer方法对轴承故障进行诊断分类。Transformer的自注意力机制可以深度提取长序列频谱数据中全局时域关联信息,双路Transformer在2条路径上采用不同大小的卷积核和不同特性的注意力机制,提取信号的高低频特征。双路Transformer可从信号序列的多重频谱中有效识别表征轴承故障的高低频特征,增加特征信息丰富度。此外,设计多尺度特征融合模块,对双路Transformer提取的包含全局关联信息的高低频特征进行融合,得到深度故障特征,实现对不同类型故障的高效诊断。以美国机械故障预防技术学会的轴承数据集进行验证,结果表明双路Transformer在一定收敛速度下准确率达97.44%,比传统诊断算法具有更高的准确率和鲁棒性。
-
关键词
轴承故障诊断
双路Transformer
多尺度特征融合
mfpt数据集
自注意力机制
-
Keywords
bearing fault diagnosis
Dual-Path Transformer
multi-scale feature fusion
mfpt dataset
self-attention mechanism
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
