基于Transformer神经网络的滚动轴承故障类型识别OACSTPCD
A novel fault type detection method of rolling bearing using Transformer neural networks
工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法.所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transformer神经网络的输入样本矩阵,解决Transformer神经网络的输入问题.同时,提出应用于滚动轴承故障类型识别的归一化位置编码方法,解决Transformer神经网络在滚动轴承故障分析领域的位置编码问题.在此基础上…查看全部>>
邱大伟;刘子辰;周一青;龙隆;谭雯雯;曹欢
中国科学院计算技术研究所移动计算与新型终端北京市重点实验室 北京100190中国科学院大学 北京100049中国科学院计算技术研究所移动计算与新型终端北京市重点实验室 北京100190中国科学院计算技术研究所移动计算与新型终端北京市重点实验室 北京100190中国科学院大学 北京100049中国科学院计算技术研究所移动计算与新型终端北京市重点实验室 北京100190
滚动轴承故障类型识别Transformer神经网络前向特征矩阵后向特征矩阵归一化位置编码权重增强
《高技术通讯》 2021 (1)
1-11,11
北京市自然科学基金(L172049),中国科学院科技促进经济社会发展STS项目(KFJ-STS-ZDTP-057)和中国科学院智能农业机械装备工程实验室(GC201907-02)资助项目.
评论