一种机械设备故障诊断的FD-Transformer方法

摘要：

随着机械设备故障诊断技术的发展,利用深度学习技术判断设备故障类型越来越引起人们重视.目前,基于注意力机制的Transformer模型有着优于卷积神经网络(convolutional neural network,CNN)的特征提取能力且在自然语言处理及计算机视觉领域都得到成功的应用.该研究提出一种用于机械设备故障诊断的Transformer方法(fault diag-nosis-Transformer,FD-Transformer).首先,对原始振动信号利用Dropout技术进行数据增强,提高模型的泛化能力;然后,利用多通道一维卷积进行数据处理并得到矩阵形式;接着,利用Dense连接的Encoder结构进行机械设备的故障特征提取;最后,利用分类模块得到故障诊断结果.分别采用变转速轴承数据和轮对轴承数据对模型进行试验验证,试验结果表明,该模型在两种数据集上均达到99％以上的故障识别率,与CNN相比可以更好地提取机械设备故障特征,有工程应用价值.

关键词：注意力机制、故障诊断、深度学习

所属期刊栏目：42

分类号：TH133.33

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;石家庄铁道大学研究生创新资助项目

在线出版日期：2023-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：326-333