基于双维度注意力残差收缩网络的滚动轴承故障诊断OA北大核心CSTPCD
主动运维技术是机械装备提高维修效率、降低维修成本、保证长时间稳定运行的必要保障。本文以滚动轴承作为研究对象,提出了一种基于双维度注意力残差收缩网络的智能故障诊断方法。该方法首先通过引入卷积注意力模块,分别对振动信号在空间与通道维度上的加权赋值来强化重要的特征,使网络的注意力集中在对故障分类更关键的信息上。其次,通过基于混合域注意力的软阈值化模块实现数据降噪以及去除特征中的冗余信息。实验结果表明,所提出的方法能够有效实现故障诊断和分类,且具有良好的鲁棒性。
陈昊杰;陈永毅;倪洪杰;张丹
浙江工业大学信息工程学院,杭州310023浙江工业大学信息工程学院,杭州310023浙江工业大学信息工程学院,杭州310023浙江工业大学信息工程学院,杭州310023
计算机与自动化
滚动轴承双维度特征提取软阈值Swish激活函数深度学习
《高技术通讯》 2024 (12)
P.1330-1340,11
国家重点研发计划(2018YFB1403702)国家自然科学基金(61873237)宁波市科技创新2025重大专项资助项目。
评论