有效诊断Vision Transformer网络的滚动轴承故障诊断方法

摘要

针对滚动轴承故障诊断中特征提取不完整和诊断效率低的问题，提出了有效诊断Vision Transformer(EDViT)网络。采用基于峰度的加权融合策略，合并传感器信息；利用短时傅里叶变换，将融合后的信号转换为时频图像；依次应用EDViT的双重注意卷积模块和双分支补丁视觉变换模块来提取局部和全局特征，使用分类器进行故障分类。实验验证在凯斯西储大学轴承数据集上进行。结果表明，EDViT模型具有出色的特征提取能力、快速的收敛速度和较高的诊断准确性。与其他方法的对比表明，EDViT模型具有很强的泛化能力和鲁棒性。

关键词

有效诊断Vision Transformer网络 / 滚动轴承 / 故障诊断

基金资助

国家自然科学基金项目(62303084); 重庆市自然科学基金项目(CSTB2023NSCQ-MSX0201)