一种基于Tri-CrossViT的轴承故障诊断方法

本发明公开了一种基于Tri‑CrossViT的轴承故障诊断方法。具体的内容如下：首先，对采集的轴承振动信号进行3层小波包分解，将信号分解为多个频带的子信号；接着，计算每个子信号的峭度值并选择峭度值最大的3个子信号进行信号重构；然后，对重构后的信号进行马尔可夫变换（MTF）生成二维特征图；最后，将二维特征图输入Tri‑CrossViT模型进行故障识别。其中，Tri‑CrossViT模型包括并行的小尺度、中尺度和大尺度三条分支的 patch embedding 与 Transformer 编码器，每条分支的中层插入的双向跨分支注意力（cross‑attention）模块用于实现尺度间的信息交互，三分支各自的特征最终融合并送入分类头输出故障类别。本发明通过多尺度并行建模与多层跨分支交互，增强了对轴承故障中的细粒度局部特征以及宏观模式的表征能力。该模型在公开数据集上的表现良好，适用于基于图像的轴承故障识别与分类任务。