一种基于IPDSCS和Swin Transformer的轴承故障抗噪性诊断方法

本发明公开了一种基于IPDSCS和Swin Transformer的轴承故障抗噪性诊断方法，包括：对轴承在不同工况下的振动信号进行采集，获得多组原始振动信号数据；对原始振动信号数据进行小波变换，转换为时频图像；构建基于改进的倒金字塔深度可分离卷积序列特征提取模型，对时频图像进行提取，得到多维度的特征向量；利用特征向量作为输入数据，基于Swin Transformer深度学习网络进行模型训练，建立轴承故障诊断模型；将待诊断的轴承振动信号输入轴承故障诊断模型，输出对应的故障类别。该方法通过小波变换去噪和IPDSCS特征提取方法，提高了信号处理的抗噪性；采用Swin Transformer网络对多维度特征进行多尺度建模，显著提升了故障诊断的精度和鲁棒性；实现对轴承故障的高精度诊断。