来源：期刊VIP网 时间：
作者：胡海彬;刘仁鑫;夏宇雯;刘日龙;
单位：江西农业大学;江西省畜牧设施技术开发工程研究中心;
摘要：针对目前智能诊断模型在对旋转机械进行故障诊断时，缺乏可解释性且抗噪能力弱，提出了一种离散多小波变换和卷积层融合的可解释诊断模型。利用离散多小波滤波器构建离散多小波层（DMWL），使用该层多小波滤波器把输入的振动信号分解成多个频率分量信号；借助一维卷积层学习各频段信息，实现模型对故障信息定位。为了增强离散多小波变换卷积神经网络（DMWT-CNN）模型学习各个频率分量信息的能力，引入了频率注意机制（FAM）。在两种滚动轴承数据集和多种诊断模型中进行验证结果表明：该模型能定位检测故障信息，且在–6 dB高斯白噪声干扰下诊断精度达到90%，高于其他诊断模型，具有可解释性和良好的鲁棒性。
关键词：故障诊断;;离散多小波层;;可解释性;;鲁棒性
基金资助：江西省研究生创新专项（YC2023-S394）
