双路Transformer在轴承故障诊断中的应用

摘要

针对传统算法在轴承故障诊断任务中无法充分利用信号特征，提出双路Transformer方法对轴承故障进行诊断分类。Transformer的自注意力机制可以深度提取长序列频谱数据中全局时域关联信息，双路Transformer在2条路径上采用不同大小的卷积核和不同特性的注意力机制，提取信号的高低频特征。双路Transformer可从信号序列的多重频谱中有效识别表征轴承故障的高低频特征，增加特征信息丰富度。此外，设计多尺度特征融合模块，对双路Transformer提取的包含全局关联信息的高低频特征进行融合，得到深度故障特征，实现对不同类型故障的高效诊断。以美国机械故障预防技术学会的轴承数据集进行验证，结果表明双路Transformer在一定收敛速度下准确率达97.44%,比传统诊断算法具有更高的准确率和鲁棒性。

关键词

轴承故障诊断 / 双路Transformer / 多尺度特征融合 / MFPT数据集 / 自注意力机制

基金资助

国家自然科学基金项目(61503150); 吉林省发改委省级产业创新专项资金项目(2017C033-4)