一种基于QCNN-Transformer的桨轴滚动轴承故障诊断方法

本发明请求保护一种基于QCNN‑Transformer的桨轴滚动轴承故障诊断方法。该方法创新性地引入二次卷积神经网络，在二次神经元计算进程中巧妙融入幂函数，增添额外非线性映射机制。在信号处理时，采用时域与频域联合降噪策略，时域上利用二次卷积神经网络精细化处理信号，频域中结合傅里叶变换深入分析。为强化特征提取能力，将二次卷积与Transformer神经网络有机结合构建全新模型架构。该方法还融入交叉熵损失算法和余弦退火算法提升模型收敛速度。与传统方法相比，本发明无需复杂过程及对轴承信息特殊预处理，特征提取更便利。在不同噪声强度和负载功率的数据下，本发明构建的QCNN‑Transformer模型均能稳定高效地获取较高分类准确率，为桨轴滚动轴承故障诊断领域开拓新路径。