一种基于双域融合注意力卷积神经网络的旋转设备故障诊断方法

本发明涉及一种基于双域融合注意力卷积神经网络的旋转设备故障诊断方法，其步骤为：通过对原始振动信号采样生成原始振动信号域的数据集，计算原始振动信号对应的12个物理特征构建物理信息域的特征数据集；通过双域的数据集分别计算键矩阵和值矩阵，沿特征维度分别拼接两个键矩阵与两个值矩阵，得到注意力头的键矩阵Ki和值矩阵Vi，使用原始振动信号域的查询矩阵作为对应注意力头的Qi，由矩阵计算最后的双域融合注意力输出；将输出数据送入到构建的卷积神经网络分类模型中进行训练，使用类交叉熵函数作为优化目标；采集新的测试数据集输入训练好的网络模型中，即可得到最终DFACNN网络的故障诊断结果。本发明结合了原始振动信号域与物理信息域数据集，并构建了双域融合注意力，解决了传统CNN模型输入数据单一，未充分挖掘不同数据之间信息互补性的问题，从而提高了旋转设备故障诊断的准确性和可靠性。