基于注意力的多尺度卷积神经网络轴承故障诊断

张玺君; 尚继洋; 余光杰; 郝俊

doi:10.13229/j.cnki.jdxbgxb.20221537

吉林大学学报(工学版) ›› 2024, Vol. 54 ›› Issue (10) : 3009 -3017. DOI: 10.13229/j.cnki.jdxbgxb.20221537

基于注意力的多尺度卷积神经网络轴承故障诊断

张玺君, 尚继洋, 余光杰, 郝俊

作者信息 +

Author information +

文章历史 +

摘要

针对卷积神经网络在噪声环境下轴承故障诊断精度较低的问题，提出一种加入通道注意力的多尺度卷积神经网络抗噪模型（MACNN）。该模型首先在提取不同尺度的特征时利用通道注意力自适应地选择包含故障特征的通道提高模型的抗噪能力，抑制噪声的影响；然后利用自适应大小的一维卷积调整不同尺度的特征通道权重，自适应融合不同尺度的特征；最后通过全连接层进行特征分类。两个轴承数据集上的实验结果表明：在不同信噪比的噪声干扰下，相比其他方法，MACNN有更强的轴承故障诊断能力。