基于CNN-Transformer-Cross Attention的滚动轴承故障诊断

郑文超; 张梅

doi:10.13436/j.mkjx.202604035

煤矿机械 ›› 2026, Vol. 47 ›› Issue (4) : 188 -192. DOI: 10.13436/j.mkjx.202604035

基于CNN-Transformer-Cross Attention的滚动轴承故障诊断

郑文超, 张梅

作者信息 +

Author information +

文章历史 +

摘要

滚动轴承是煤机核心部件，若发生故障，易导致停机与安全风险。提出了一种融合快速傅里叶变换（FFT）、卷积神经网络（CNN）、Transformer及Cross Attention的故障诊断方法。该方法首先通过FFT提取频率特征，随后结合CNN的局部特征提取能力、Transformer的全局建模能力及Cross Attention的信息融合能力，全面提升模型的识别能力，实现滚动轴承故障的精确识别。实验结果表明，该方法的故障诊断准确率可达98%，具有高精度、强鲁棒性的特点，适用于煤矿设备的智能运维。