来源：期刊VIP网 时间：
作者：吴梅丽;朱渔;李晓明;张建国;
单位：宜春职业技术学院信息工程学院;南昌大学机械工程学院;江西铂川自动化科技有限公司;
摘要：设备振动参数高效处理的要求在数据分块时选用经验值方法的条件下难以实现，这会降低重构数据精度。为了进一步提高旋转机械故障诊断能力，提出了一种基于注意力机制和LeNet5网络的故障诊断方法，并成功应用于转子系统上。研究结果表明：对比传统的LeNet5网络，所提方法打破无注意力机制的局限性，整体优越性更强，参数设置无改变。将注意力机制加入LeNet5网络后，极大提高了故障识别的准确率以及模型的训练速度。相比较其它方法，文中所述方法的故障类型检测结果明显是精确率最高的，均在95%以上，满足实际的要求。在诊断旋转机械故障时，结合卷积神经网络及注意力机制进行测试研究，最终证明此方法可行性较高，该研究院可以拓展到其它机械传动领域，具有一定应用价值。
关键词：旋转机械;;故障诊断;;小波变换;;注意力机制;;卷积神经网络
基金资助：江西省教育厅科学技术研究项目(GJJ191671)
