轴承故障诊断基于波纹自适应值过和多通道融合交叉注意力神经网络
Yunji Zhao1, Sicheng Wei1, Xiaozhuo Xu1
1Henan International Joint Laboratory of Direct Drive and Control of Intelligent Equipment, School of Electrical Engineering and Automation, Henan Polytechnic University, Jiaozuo 454000, China.
The Review of scientific instruments
|November 8, 2024
概括
本研究引入了一种使用波形适应值波和多通道融合交叉注意力神经网络的滚动轴承新型故障诊断方法,以克服噪声和数据限制,以改善工业应用.
科学领域:
- 机械工程 机械工程
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 从滚动轴承中提取故障特征是具有挑战性的,因为背景噪声很大.
- 单通道振动数据为故障诊断提供了有限的全面表示.
- 多道数据和特征提取的有效融合仍然是一个重大挑战.
研究的目的:
- 为滚动轴承提出一个先进的故障诊断方法.
- 在工业环境中解决噪声干扰和单通道数据的限制.
- 为了提高轴承故障检测的准确性和可靠性.
主要方法:
- 多尺度离散波段变换用于系数提取.
- 具有网络训练的值的自适应值过,用于降低噪声和特征提取.
- 道注意力机制,用于增强符号特征提取.
- 使用交叉注意模块进行多通道融合.
- 整合剩余连接以改善网络通用化.
主要成果:
- 成功过噪音并提取象征性故障特征.
- 有效融合的多通道振动数据.
- 在凯斯西部储备大学和西安嘉通大学的滚动轴承数据集上表现出高效.
- 使用气力轮机主轴承数据集验证可靠性.
结论:
- 拟议的波纹自适应值过和多通道融合交叉注意力神经网络方法对于滚动轴承故障诊断是有效的.
- 该方法克服了背景噪声和单通道数据限制.
- 该方法在不同数据集中显示出强大的概括能力和可靠性.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K
06:04Functional Near-Infrared Spectroscopy Hyperscanning Study in Psychological Counseling
Published on: January 17, 2025
435
