摘要
基于多源信号融合的CA‑Transformer轴承故障诊断方法,本发明用于多源信号融合的轴承故障诊断。本发明是为了解决现有轴承故障诊断方法难以准确充分提取故障特征的问题,以及现有的故障诊断方法在复杂数据的训练效率和准确性上都存在一些缺陷。本发明包括:获得待诊断的多源轴承原始振动信号,将待诊断的多源轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障分类诊断结果;CA‑Transformer多源信号融合的故障诊断网络通过以下方式获得:构建基于CA‑Transformer网络框架:由输入阶段、CA‑Transformer阶段和分类阶段组成,在输入阶段,将原始信号数据处理为嵌入向量,CA‑Transformer阶段,基于Transformer网络和交叉注意力机制融合特征,在分类阶段,进一步通过线性层和Softmax层进行分类。
技术关键词
轴承故障诊断方法
交叉注意力机制
令牌
轴承故障分类
数据测试模块
阶段
学习轴承
信号
前馈神经网络
轴承故障诊断系统
传感器
矩阵
Softmax函数
位置编码技术
搭建模块
系统为您推荐了相关专利信息
融合特征
多尺度特征
预测特征
分割方法
通道注意力机制
印刷电路板缺陷
绿色滤光片
生成算法
网络模块
重叠阈值
交叉注意力机制
多尺度特征提取
多尺度特征融合
识别系统
频域特征
语义意图
交叉注意力机制
辅助编码器
样本
文本编码器
轨迹预测方法
嵌入特征
多头注意力机制
交通
时序