来源：期刊VIP网 时间：
作者：段毅博;黄民;王帅;刘跃;
单位：北京信息科技大学机电工程学院;北京戴纳实验科技有限公司;
摘要：针对自动扶梯滚动轴承故障诊断模型诊断识别率不高的问题，提出一种CNN与Transformer相结合的滚动轴承故障诊断方法。该方法采用CNN注意力和Transformer时域注意力融合机制，从信号的通道和时域两个维度提取最有利于识别的特征信息，降低信道和噪声等影响。根据特征信息的重要程度进行权重分配，以提升故障识别率。基于滚动轴承数据集，将所提算法模型和CNN、RNN、SVM算法进行对比。结果表明，该方法识别轴承故障的准确度更高，实现了对轴承故障的准确分类。
关键词：CNN-Transformer;;自动扶梯;;滚动轴承故障诊断;;特征信息提取;;卷积神经网络;;混淆矩阵
基金资助：国家重点研发计划课题（2020YFB1713205）
