基于時頻融合多級注意力機制的雙通道CNN軸承故障診斷模型

打開文本圖片集

文章編號1000-5269（2024）06-0070-08

DOI：10.15958/j.cnki.gdxbzrb.2024.06.11

關(guān)鍵詞：故障診斷;時頻融合;注意力機制;雙通道卷積神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP183

文獻標志碼：A

摘要：為進一步提高軸承故障診斷準確率，提出了一種基于快速傅里葉變換（fast fourier transform，F(xiàn)FT）和變分模態(tài)分解（variational mode decomposition，VMD），并融合多級注意力機制的雙通道卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks， CNN）模型用于滾動軸承故障診斷。（剩余10107字）