一种基于时频增强CNN-Transformer的轴承故障诊断方法

本发明涉及轴承故障检测领域，具体为一种基于时频增强CNN‑Transformer的轴承故障诊断方法，包括：获取轴承振动信号，并对其进行预处理；选取窗口尺寸、间隔步长和重叠率，采用滑动窗口将预处理后的轴承振动信号数据划分为训练数据集、验证数据集和测试数据集；构建FFT‑CNN‑Transformer网络模型；采用Adam优化器和交叉熵损失函数训练FFT‑CNN‑Transformer网络模型，通过验证数据集调整FFT‑CNN‑Transformer网络模型超参数，测试数据集评估FFT‑CNN‑Transformer网络模型性能；通过绘制混淆矩阵，展示FFT‑CNN‑Transformer网络模型对不同故障类别的分类效果。本发明能够同时捕获时域和频域的关键特征，将数据特征与故障特征进行比对，从而实现更准确的故障预测，显著提升在复杂工况下轴承故障诊断的准确性和可靠性。