不同转速下基于深度注意力迁移学习的滚动轴承故障诊断方法

摘要：

针对不同转速下滚动轴承故障诊断中特征提取困难、数据分布差异巨大影响诊断结果,提出一种不同转速下基于深度注意力迁移学习(deep attention transfer learning,DATL)的滚动轴承故障诊断方法.首先,利用小波变换获取振动信号的时频图以展现时频特征;其次,搭建融合空间和通道的注意力卷积神经网络(attention convolutional neural network,ACNN)提取滚动轴承的关键特征以防止特征丢失;然后,在ACNN中添加领域适配层,完成不同转速下滚动轴承深度特征的迁移适配;最后,通过Softmax分类层对目标数据进行故障状态识别.通过不同转速下不同故障程度的滚动轴承故障诊断试验证明了所提方法的可行性和有效性.

关键词：滚动轴承、不同转速、注意力机制、迁移学习、故障诊断

所属期刊栏目：41

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划;交通工程应用机器人重庆市工程实验室开放基金;重庆市教委科学技术研究项目;重庆市研究生联合培养基地建设项目;重庆交通大学研究生科研创新项目

在线出版日期：2022-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：95-101,195