摘要
本发明公开了一种基于通道卷积注意力机制和双尺度网络结构的轴承故障诊断方法及系统,包括:以一定频率采集轴承运行过程中的振动信号,将一维信号转换为二维灰度图,在此基础上对故障类型进行编号、打标签并划分相应的训练集和测试集;设计构建双尺度卷积神经网络DKCNN模型;设计构建通道卷积注意力网络模块CCAM;构建通道卷积注意力模块双尺度卷积神经网络(CCAM‑DKCNN)模型;利用划分好的训练集训练CCAM‑DKCNN模型;利用训练好的网络模型进行故障诊断,将测试集输入到CCAM‑DKCNN模型中,模型分类器的输出可以反映模型最终的诊断结果。本发明能够对变负载和变转速状态下的轴承故障进行诊断和识别,提高轴承故障诊断结果的准确性。
技术关键词
智能诊断方法
卷积模块
卷积注意力网络
Softmax分类器
全局平均池化
轴承故障诊断方法
Sigmoid函数
多层感知机
训练集
通道注意力机制
信号处理方法
神经网络模型
池化特征
系统为您推荐了相关专利信息
视频检测方法
音频特征提取
人脸
多模态
频域特征提取
图像增强模型
水下图像增强方法
多分支
卷积神经网络模块
峰值信噪比
故障智能诊断方法
重构矩阵
推理机制
监测高压电缆
绝缘
电力调度系统
风险评估模型
电力系统调度方法
电力系统调度装置
全局平均池化