摘要
本发明公开了基于窗口全局混合注意机制和改进的卷积神经网络的变工况轴承故障诊断方法,包括:获取不同工况和目标工况下的轴承信号,对所述轴承信号进行预处理,生成不同工况和目标工况下的信号图像数据;构建诊断模型,对模型传统卷基层通过深度可分离卷积替换。所述诊断模型中设置有窗口注意力机制及全局注意力机制分别用于对信号图像数据对应的局部特征及全局特征进行提取以进行后续识别;通过不同工况下的信号图像数据对所述诊断模型进行预训练,得到预训练模型,通过目标工况下的信号图像数据对预训练模型进行训练,得到最优诊断模型,获取目标工况下的待测轴承信号,通过最优诊断模型对待测轴承信号进行诊断识别,得到待测轴承信号的故障诊断结果。
技术关键词
轴承故障诊断方法
工况
窗口结构
通道注意力机制
数据
信号
待测轴承
预训练模型
图像
识别模块
卷积模块
系统为您推荐了相关专利信息
状态检测系统
处理单元
图像识别模型
检验单元
实例分割
材料特性数据
多光谱成像设备
材料特性识别
智能检测系统
机器视觉技术
立体仓储
脱轨检测方法
机器人
脱轨检测装置
姿态传感器
画像生成方法
画像生成装置
指标
投诉工单数据
k均值聚类算法