摘要
一种基于多尺度特征融合的轻量化轴承故障诊断方法,涉及轴承故障诊断方法,采集轴承振动信号输入训练的故障诊断模型进行故障诊断,故障诊断模型包括多层特征提取模块以及输出层,特征提取模块采用残差结构,残差结构主分支中先对输入数据进行逐点卷积处理,逐点卷积处理后的数据分为两路,其中一路保留,另一路经逐通道空洞卷积处理后与保留的经逐点卷积处理的一路数据进行通道维度拼接;残差结构副分支中引入通道注意力机制对输入数据进行处理,之后与主分支处理后的数据融合作为特征提取模块的输出。利用逐通道空洞卷积与逐点卷积互补,能够过滤空洞中的噪音,捕获信号远距离诱发性的关联特征以及不同通道间的差异性特征,提升故障诊断准确率。
技术关键词
轻量化轴承
多尺度特征融合
特征提取模块
故障诊断模型
残差结构
通道注意力机制
空洞
轴承故障诊断方法
分支
数据压缩
信号
远距离
系统为您推荐了相关专利信息
三维卷积神经网络模型
人脸形状
多尺度特征
人脸纹理
人脸防伪方法
组合特征向量
多任务损失函数
粒子群优化算法
深度学习模型
故障隔离
中心服务器
单轮
故障诊断模型
智能电表故障诊断
残差模块
识别方法
监视摄像机
置信度阈值
金字塔池化模块
融合多尺度特征