基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法

摘要：

针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法.通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果.实验结果表明:该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别.

关键词：注意力增强卷积、深度卷积神经网络、特征融合、航空发动机滚动轴承、故障诊断

所属期刊栏目：43

分类号：TH133.33

资助基金：国家自然科学基金;江西省自然科学基金重点项目;装备预先研究项目;南昌航空大学研究生创新专项项目;陕西省矿山机电装备智能监测重点实验室开放基金重点项目

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：3228-3239