基于VMD-Transformer的滚动轴承故障诊断

刘延军; 盛廉杰; 许建华; 张强

doi:10.19292/j.cnki.jdxxp.2025.06.023

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (06) : 1337 -1345. DOI: 10.19292/j.cnki.jdxxp.2025.06.023

基于VMD-Transformer的滚动轴承故障诊断

刘延军, 盛廉杰, 许建华, 张强

作者信息 +

Author information +

文章历史 +

摘要

针对滚动轴承故障诊断中单一传感器信息不足及复杂环境下诊断率偏低的问题，提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和多头交叉注意力机制的多模态融合方法。其通过对声振信号的自适应分解，提取关键本征模态分量(IMFs:Intrinsic Mode Functions),并利用交叉注意力机制对声振信号特征进行交互融合，从而实现多模态信息的深度提取与噪声抑制。最后通过Softmax分类器进行故障识别。实验结果表明，所提方法有效降低了噪声干扰，显著提高了故障诊断准确率，相较传统方法表现出更高的鲁棒性和精度。