科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对旋转机械零部件进行故障诊断的方法包括传统方法和深度学习，传统方法往往需要大量的专家经验，且诊断精度欠佳，提出一种注意力机制改进多尺度深度卷积神经网络(multi-scale attention deep convolutional neural network, MADCNN)的故障诊断方法。MADCNN方法提供3个卷积通道，每个通道差异化的核尺寸原理有效拓宽网络，实现了对原始时域数据的多尺度特征提取。同时，CBAM对提取的特征进一步赋予权重，增强了模型对不同类型故障的区分度。采用凯斯西储大学(Case Western Reserve University, CWRU)轴承故障数据和行星齿轮箱实验台故障数据分别进行实验验证，与传统深度卷积模型相比，验证集准确率提高7.76%。实验结果表明，该方法的诊断精度高，泛化性能好。
- 出版日期2023
- 单位北京信息科技大学
