仪器仪表学报

作者：罗久飞，康枫佳，邓云春，宋鸿正，尹爱军

单位：罗久飞,重庆邮电大学集成电路学院重庆400065,,康枫佳,重庆邮电大学集成电路学院重庆400065,,邓云春,重庆邮电大学集成电路学院重庆400065,,宋鸿正,重庆大学机械与运载学院重庆400044,,尹爱军,重庆大学机械与运载学院重庆400044,aijun.yin@cqu.edu.cn,

关键词：磨粒检测;感应式磨粒传感器;神经网络;注意力机制

基金：国家重点研发计划项目（2024YFB3213102）、重庆市教育委员会科学技术研究项目（KJZD-K202400609）资助

装备服役状态实时监测与评估是保障大型复杂机电系统稳定运行的关键环节。电感式磨粒传感器通过电磁感应检测润滑油中的磨损颗粒，为机械关键部件的磨损评估提供可靠依据，已在大型机械装备维护中得到广泛应用。然而，磨粒诱发的感应电压信号通常较弱，在干扰影响下难以通过人工特征提取方法准确识别，限制了电感式油液磨粒传感器的识别精度及泛化能力。为此，提出了一种油液磨粒信号智能识别方法，首先，利用磨粒信号在多尺度滤波下的形态稳定特性，构建多尺度滤波特征,以刻画磨粒事件的关键几何轮廓与能量分布,为后续深度学习提供具有物理意义的输入表征。随后，设计并行卷积模块，对各尺度特征进行分支式深度卷积建模，并引入改进的融合注意力模块，在通道与时间维度上自适应重标定特征权重，突出磨粒敏感成分、抑制复杂背景干扰。最后，将重构后的多尺度特征序列输入VisionTransformer，通过自注意力机制捕获长程依赖关系与跨尺度相关性，从而在强干扰和低信噪比条件下实现对磨粒感应电压信号的精准辨识。实验结果表明，所提出的模型在三线圈传感器与高梯度静磁场传感器的数据集上均取得优异表现，干扰排除率、磨粒识别率与识别准确率分别达到99.72%、98.94%和99.44%，在-5~0dB的低信噪比环境下对于磨粒信号的检测效果仍优于传统算法。

来源：2026年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第2期