基于注意力机制的自适应多模态特征融合的故障诊断方法

本申请涉及一种基于注意力机制的自适应多模态特征融合的故障诊断方法。所述方法包括：首先，采集机械设备的振动信号，并进行预处理，得到初始多时延特征；之后，构建改进的自适应多模态特征融合网络模型，包括注意力模块、多时延特征自适应提取模块、残差层，其中，所述注意力模块用于对故障特征进行精细化处理，所述多时延特征自适应提取模块用于基于多时序特征信息提取信号多时延特征，所述残差层用于增强深度融合特征的表征；最后，将所述初始多时延特征输入所述改进的自适应多模态特征融合网络模型中，进行训练，训练完成后输出故障诊断结果。提高了特征的表达能力和区分度，能够从多个尺度提取丰富的故障特征信息，有效提高故障诊断的精度。