来源：期刊VIP网 时间：
作者：李梦男;李琨;叶震;高宏宇;
单位：昆明理工大学信息工程与自动化学院;
摘要：针对轴承故障诊断中故障样本数量少导致诊断正确率低的问题，提出了一种基于注意力机制变分自编码器（SE-VAE）和多尺度一维卷积神经网络（M1DCNN）的轴承故障诊断方法。将轴承数据集的训练集输入到SE-VAE中进行训练，生成与训练样本分布相似的生成样本，并添加到训练集中增加训练集的样本数量。将扩充后的训练集输入到M1DCNN中进行训练，随后将训练好的模型应用于测试集，输出故障诊断结果。实验结果表明，所提方法能够在不同负载的小样本轴承故障数据集上取得较好的故障诊断准确率。
关键词：轴承故障诊断;;变分自编码器;;注意力机制;;多尺度一维卷积神经网络;;小样本
基金资助：国家自然科学基金项目（82160787）;; 昆明理工大学科技园有限公司下达项目（2018KF3）
