一种基于注意力增强路径探索的神经架构搜索旋转机械故障诊断方法

本发明公开了一种基于注意力增强路径探索的神经架构搜索旋转机械故障诊断方法，根据采样长度构建数据集；设计搜索空间，通过对网络层的宽度和深度进行编码，将网络层的深度和宽度无缝集成到搜索空间中，并加入注意力机制，以动态调整不同网络组件的权重，从而提高整体网络性能；设计搜索策略，将递归强化学习应用于顺序结构中，确保结构稳定更新，产生一个最佳的结构模型；在完成搜索模型的训练后，使用保留的模型权重来初始化网络，然后开始最终的诊断模型训练。本发明通过神经架构搜索降低了人工设计神经网络的成本，使用递归强化学习训练网络架构，最终产生一个在各种噪声水平上都具有卓越的性能的诊断模型。