来源：期刊VIP网 时间：
作者：付强;易学良;符栋梁;
单位：长沙理工大学电气与信息工程学院;上海船舶设备研究所;
摘要：[目的]基于振动信号的轴承故诊断障方法已较为丰富，为了提高诊断的精度，通常需要在多个方向安装加速度传感器。实践过程中受环境条件限制，无法满足多方向同步安装传感器的要求。在环境约束下，声音信号作为非接触式采集方式，可有效弥补加速度传感器安装受限的问题，但其易受到噪声干扰。[方法]为充分发挥声音信号和振动信号的优势，提出一种基于交叉注意力机制融合声-振信号的轴承故障诊断方法。该方法借助卷积神经网络（CNN）模块提取声-振信号中的局部空间特征，利用双向门控制循环单元（Bi GRU）捕捉信号的周期性特性和前后文时序关联，并通过交叉注意力机制实现声音和振动信号的特征融合，从而更全面地捕捉故障特征。[结果]试验结果表明，相较于传统的单信号源诊断方法，以及基于多信号源的拼接融合方法，提出的融合方法在强噪声干扰环境下表现出更好的诊断效果，能够在复杂的工业环境中实现更加稳定和可靠的轴承故障诊断。[结论]研究结果可为轴承故诊断障技术的发展提供参考依据。
关键词：轴承故障诊断;;声振融合;;交叉注意力机制;;加速度传感器
基金资助：国家自然科学基金（62373067）
