摘要
本发明涉及一种基于深度卷积神经网络的滚动轴承故障诊断方法及装置,包括:获取滚动轴承在多个工况下的振动信号,添加标签后划分成训练集和测试集;利用训练集和测试集对深度卷积神经网络进行训练及诊断评估,得到诊断模型;所述深度卷积神经网络包括多个依次连接的网络单元,其包括依次连接的卷积模块、高效时间通道注意力模块和最大池化层;所述高效时间通道注意力模块以卷积模块的输出为输入,采用并行的通道注意力模块、时间注意力模块,自适应地分配各时间片段与通道维度上的注意力权重,将输出的注意力图与输入特征进行加权融合,筛选出重要的特征信息并进行降维。本发明提高了诊断模型的判别能力和诊断精度。
技术关键词
深度卷积神经网络
网络单元
注意力
卷积模块
通道
ReLU函数
滚动轴承故障诊断
样本
计算机设备
工况
可读存储介质
信号
处理器
数据标签