一种基于SE-ResNeXt和Informer混合网络模型的滚动轴承故障诊断方法

本发明公开了一种基于SE‑ResNeXt和Informer混合网络模型的滚动轴承故障诊断方法，涉及工业过程控制领域，通过SE‑ResNeXt中的多个卷积模块提取时序数据的空间特征，加入SE模块用于自适应地调整每个通道的响应强度，结合残差网络的设计使得特征提取过程更加高效，并通过Informer模型进行故障诊断分析。模型在训练过程中采用交叉熵作为损失函数，并通过Adam优化器进行优化，以提高预测的准确性和稳定性。实验结果表明，在公开数据集CWRU上表现出优异的故障诊断能力，具有良好的鲁棒性和预测精度，显著优于传统深度学习模型，为复杂工况下的状态监测和故障预测提供了新思路。