基于局部细节的金字塔融合与残差KAN的轴承故障诊断方法

本发明提供基于局部细节的金字塔融合与残差KAN的轴承故障诊断方法，涉及深度学习和智能故障诊断技术领域，结合了多尺度特征融合技术与特征提取网络，以提高故障诊断的准确性。首先，通过预设的采样频率和加速度计采集轴承振动信号，并将其划分为训练集、验证集和测试集。然后，采用一维振动信号作为输入特征，在此基础上加入随机高斯噪声提高数据的泛化性能。构建的深度残差柯尔莫哥洛夫‑阿诺德网络并且通过局部细节保留的金字塔融合策略和全局注意力机制，有效提取特征。最终，经过训练和优化的故障诊断模型能够快速准确地识别轴承故障的原因，并且在此基础上能够适应不同工况下的故障诊断需求。