仪器仪表学报

作者：乔卉卉，赵二贤，郝如江，李东升，王勇超

单位：乔卉卉,石家庄铁道大学 机械工程学院石家庄050043,Huihuiqiao@stdu.edu.cn,赵二贤,石家庄铁道大学 机械工程学院石家庄050043,,郝如江,石家庄铁道大学 机械工程学院石家庄050043,haorj@stdu.edu.cn,李东升,中铁十四局集团装备有限公司南通226000,,王勇超,石家庄铁道大学 机械工程学院石家庄050043,

关键词：变工况轴承故障诊断;多源信息融合;注意力机制;卷积神经网络

基金：国家自然科学基金项目(12202287)、河北省高等学校科学技术研究项目(QN2022141)、中铁十四局集团装备有限公司科研项目(CRCC14-ZB-KYHT-2023-002)、河北省市场监督管理局科研计划项目（2023ZC24）资助

针对轴承在变工况下工作时受环境噪声和工况变化的干扰，现有的基于单源信号的轴承故障诊断方法因单源信号难以提供全面且稳定的故障信息，导致诊断效果不理想的问题，提出一种基于注意力机制的多源信息融合网络模型(MSIFNM)。该模型的多尺度特征提取模块可以提取更充足的故障特征信息；双阶段注意力模块从多个维度增强对工况变化不敏感的故障特征；多源信息特征加权模块根据不同传感器信号对不同故障的敏感程度，自适应地对多源信息进行权重分配；特征融合与类别输出模块实现对加权后的特征进一步融合与特征提取，再经全连接层和Softmax层输出分类结果。采用变转速和变负载轴承故障数据集对本文所提的MSIFNM模型进行实验验证，实验结果表明，MSIFNM可以有效实现多源信息融合特征提取，提高变工况条件下轴承故障诊断的准确性、稳定性和工况自适应性。

来源：2024年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第9期