来源：期刊VIP网 时间：
作者：麻全;艾绍腾;张泽阳;刘东;徐卓飞;
单位：中国电建集团西北勘测设计研究院有限公司;西安理工大学印刷包装与数字媒体学院;
摘要：针对当前深度学习模型在滚动轴承故障诊断研究中存在的可解释性差、过程不清晰等问题，本研究提出一种基于连续小波分析与注意力机制的滚动轴承故障诊断模型。首先，采用连续小波分析获取故障信号多尺度时频解析规律，并将其转化为数字图像形式；进而，构建了基于压缩激励注意力的卷积神经网络模型，实现了时频图像的特征提取和滚动轴承故障诊断；同时，计算了滚动轴承故障信号时频图像的注意力机制权重图，获取不同故障类型滚动轴承时频图像上的故障表现规律，为频谱分析提供了可视化解释，实现深度学习模型对故障现象的解析；最后，在机械故障综合模拟试验平台开展了故障诊断实验，得到了5类故障轴承的频谱分布规律，所建立的基于压缩激励注意力的卷积神经网络模型故障识别准确率达98.81%。本研究实现了滚动轴承多种故障的诊断，获取了故障轴承频谱分布规律，结合注意力机制权重图与连续小波分析频谱图实现了故障特征抽取机理的分析，弥补了深度学习模型对故障现象解释性差、过程不清晰等缺陷。
关键词：连续小波变换;;注意力机制;;卷积神经网络;;故障诊断
基金资助：陕西省教育厅重点科学研究计划项目(No.22JY047);; 渭南市科技局重点研发计划(No.2022ZDYFJH-170,No.2024ZDYFJH-552)
