一种适用于强噪声背景下的旋转机械故障诊断方法

本发明公开一种适用于强噪声背景下的旋转机械故障诊断方法，包括以下步骤：1)采集不同工况下旋转机械设备的振动加速度信号，并设置故障类型标签；2)对振动加速度信号进行降噪处理，生成带故障类型标签的时频图，并将这些时频图划分为旋转机械故障训练集和测试集；3)构建基于融合注意力机制的SwinTGAM网络模型；4)利用旋转机械故障训练集对SwinTGAM网络模型进行训练；5)采集待诊断旋转机械设备的振动加速度数据，并输入至测试合格的SwinTGAM网络模型中，得到旋转机械故障诊断结果。本发明集成了深度学习模型与信号处理技术，使模型在面对含有强噪声的信号时具有较强的鲁棒性和很高的准确性。