基于CNN-Transformer模型的自动扶梯轴承故障诊断方法研究OA北大核心CSTPCD

针对自动扶梯滚动轴承故障诊断模型诊断识别率不高的问题,提出一种CNN与Transformer相结合的滚动轴承故障诊断方法。该方法采用CNN注意力和Transformer时域注意力融合机制,从信号的通道和时域两个维度提取最有利于识别的特征信息,降低信道和噪声等影响。根据特征信息的重要程度进行权重分配,以提升故障识别率。基于滚动轴承数据集,将所提算法模型和CNN、RNN、SVM算法进行对比。结果表明,该方法识别轴承故障的准确度更高,实现了对轴承故障的准确分类。