一种基于深度学习的滚动轴承故障诊断方法

本发明涉及一种基于深度学习的滚动轴承故障诊断方法和装置，属于轴承诊断及机器学习，解决了滚动轴承故障诊断模型鲁棒性差、性能不稳定和精度不足的问题。方法包括：采集滚动轴承的振动信号并输入构建的TCN‑Transformer故障诊断模型，得到滚动轴承的诊断结果；其中，TCN‑Transformer故障诊断模型为双路径结构，包括TCN路径、Transformer路径、全局平均池化层和Softmax层；TCN路径与Transformer路径并联，TCN路径与Transformer路径的输出作为全局平均池化层的输入；TCN路径基于输入的振动信号提取时间特征，Transformer路径基于输入的振动信号提取全局特征；全局平均池化层将TCN路径提取的时间特征和Transformer路径提取的全局特征进行池化操作得到时间特征向量和全局特征向量，经Softmax层进行分类，得到诊断结果。