典型文献
多尺度CNN结合自注意力特征融合机制的轴承故障诊断方法
文献摘要：
针对轴承故障诊断模型输入信息单一,且变负载、噪声工况下诊断精度受限的问题,提出一种多尺度卷积神经网络结合自注意力特征融合机制(SA-MCNN)的故障诊断方法.该方法首先使用不同核大小的卷积层并行提取振动信号的多尺度信息后,采用自注意力特征融合机制,为并行的多尺度特征加权融合;最后根据融合后的特征,区分轴承的健康状态.实验结果表明,与其它故障诊断模型相比,SA-MCNN模型能够根据多尺度信息有效捕捉高质量的状态特征,在跨负载工况和噪声工况下表现出强鲁棒性.
文献关键词：
多尺度卷积神经网络;自注意力机制;特征融合;轴承故障诊断
中图分类号：
作者姓名：
黄雅静;廖爱华;丁亚琦;杨洋;师蔚;胡定玉
作者机构：
上海工程技术大学 城市轨道交通学院,上海201620;上海地铁维护保障有限公司 车辆分公司,上海200235;上海工程技术大学 上海市轨道交通振动与噪声控制技术工程研究中心,上海201620
文献出处：
引用格式：
[1]黄雅静;廖爱华;丁亚琦;杨洋;师蔚;胡定玉-.多尺度CNN结合自注意力特征融合机制的轴承故障诊断方法)[J].智能计算机与应用,2022(09):37-44
A类：
B类：
注意力特征融合,融合机制,轴承故障诊断,故障诊断方法,故障诊断模型,模型输入,信息单一,变负载,多尺度卷积神经网络,SA,MCNN,卷积层,振动信号,多尺度信息,多尺度特征,特征加权,加权融合,健康状态,信息有效,负载工况,自注意力机制
AB值：
0.254209
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。
