一种基于SEFormer的轻量级旋转机械故障诊断方法

一种基于SEFormer的轻量级旋转机械故障诊断方法，1）数据采集：采集旋转机械的关键传动部件（如轴承、齿轮）各种健康状态下的振动信号；2）数据预处理：通过滑动窗口采样将振动信号分割为样本集，并划分为训练集、验证集和测试集；3）模型搭建：设计开发可分离多尺度深度卷积SMDC和高效自注意力ESA，构建SEFormer模型；4）模型训练、验证与评估：在训练集和验证集上训练模型，在测试集上评估模型性能；5）故障诊断：使用训练好的模型对旋转机械进行故障诊断。本发明构建了一种轻量级的SEFormer模型用于旋转机械故障诊断，从振动信号的不同通道维度提取和整合多尺度特征，从全局范围内捕捉振动信号的关键细粒度特征，兼具鲁棒性、泛化能力和轻量化的优势。