摘要
本发明提供了一种基于多源融合残差网络的滚动轴承故障诊断系统及方法,涉及轴承故障诊断的技术领域,本发明采用了一维卷积核和残差块特征提取模块,其中一维卷积核确保不同传感器的数据在特征提取过程中不发生混合,保证了每种信号的独特特征的有效性,同时利用残差连接缓解了深层网络中的梯度消失问题,本发明还采用了分组交叉注意力机制的特征融合模块,通过将传感器信号按类型分组处理,对每组独立进行加权,进一步利用多尺度卷积提取局部和全局的多尺度特征,确保不同传感器信号的独特性,同时提升融合特征的表达能力,提高了滚动轴承故障诊断的准确性和鲁棒性。
技术关键词
多源融合
残差网络模型
全局平均池化
交叉注意力机制
滚动轴承
特征提取模块
矩阵
多尺度特征
参数更新模块
标签
传感器
数值
数据采集模块
拼接模块
信号
系统为您推荐了相关专利信息
交叉注意力机制
输出特征
双向长短期记忆网络
鉴别方法
多头注意力机制
影像
极化SAR数据
编码器
洪涝灾害监测
地形高程值
时间序列监测
特种车辆
交叉注意力机制
图像特征提取
数据特征提取
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
语音检测方法
波形
Softmax函数
通道
多层感知机