一种具有局部注意力机制的新型交叉传感器转移诊断方法:应用于反转

科学领域:

• 机械工程 机械工程
• 信号处理 信号处理
• 机器学习 机器学习

背景情况:

• 当训练和测试数据共享相同分布时,数据驱动的机械故障诊断是有效的.
• 复杂的机器,如反转往往缺乏来自所有必要位置的传感器数据.
• 改变传感器位置会改变信号数据特征,使故障诊断复杂化.

研究的目的:

• 为机械故障诊断提出一个交叉传感器转移诊断方法.
• 利用不同机器位置的共享传感器信息来改进诊断.
• 为了提高诊断模型对关键故障信号组件的感知.

主要方法:

• 开发用于故障诊断的跨传感器转移学习方法.
• 整合本地关注机制,以关注关键故障信号特征.
• 使用实验获得的振动信号数据从反转的验证.

主要成果:

• 拟议的方法证明了出色的故障诊断准确性.
• 在传感器概括能力方面取得了显著的改进.
• 证实了实用的工业故障在不同传感器位置的可转移性.

结论:

• 交叉传感器转移诊断方法有效地处理复杂机械中的不同传感器位置.
• 当地注意力机制增强了模型识别故障特定信号特征的能力.
• 该方法为在工业环境中具有传感器限制的强大的机械故障诊断提供了可行的解决方案.