来源：期刊VIP网 时间：
作者：曲浏洋;李博;韩志博;高纯越;
单位：中北大学仪器科学与动态测试教育部重点实验室;
摘要：针对现有车辆转向系统中滚动轴承故障诊断模型的识别准确率和效率存在的不足，本文提出一种基于第一层为宽卷积核的深度卷积神经网络（WDCNN）与Transformer的新型故障诊断方法。该方法首先通过WDCNN有效提取多尺度局部特征，随后利用Transformer在全局范围内整合这些特征，以增强模型的整体诊断性能。基于西储大学（CWRU）的滚动轴承数据集进行实验检测，结果表明：与传统故障诊断模型相比，该模型不仅提高了诊断的准确率，同时缩短了训练时间，显著提升了故障诊断效果。
关键词：滚动轴承;;故障诊断;;宽卷积核;;多头注意力机制;;转向系统
