典型文献
基于多尺度和注意力机制的滚动轴承故障诊断
文献摘要：
针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度并实现不同维度敏感特征的提取;然后,通过注意力机制对数据不同维度的特征赋予不同的权重,使模型更关注于最具类别区分度的区域,从而提高模型的特征学习能力;最后,通过全连接层的多分类函数实现滚动轴承的故障诊断.实验结果表明:与其他方法相比,该模型不仅能在同负载各测试集上达到很高的准确率,而且在变负载工况下具有较强的迁移泛化能力和鲁棒性;该模型在强噪声环境下也具有良好的诊断性能,较其他方法抗噪性优势明显.此外,通过可视化方法分析了该模型的特征学习过程和故障分类机理.
文献关键词：
滚动轴承;故障诊断;多尺度特征提取;注意力机制;卷积神经网络
中图分类号：
作者姓名：
丁雪;邓艾东;李晶;邓敏强;徐硕;史曜炜
作者机构：
东南大学能源与环境学院,南京210096;东南大学火电机组振动国家工程研究中心,南京210096;南京审计大学信息工程学院,南京211815
文献出处：
引用格式：
[1]丁雪;邓艾东;李晶;邓敏强;徐硕;史曜炜-.基于多尺度和注意力机制的滚动轴承故障诊断)[J].东南大学学报（自然科学版）,2022(01):172-178
A类：
MSACNN
B类：
注意力机制,滚动轴承故障诊断,噪声干扰,智能诊断模型,不同工况,下自,自适应性,多尺度注意力,二维图像,多尺度卷积,宽网,不同维度,敏感特征,特征的提取,别区,区分度,特征学习能力,全连接层,多分类,分类函数,其他方法,测试集,上达,变负载工况,泛化能力,强噪声,噪声环境,诊断性,抗噪性,可视化方法,学习过程,故障分类,分类机,多尺度特征提取
AB值：
0.368091
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
