基于改進注意力機制的CNN 的齒輪箱故障診斷

打開文本圖片集

摘要：針對實際工況中齒輪箱振動信號復雜多變，導致傳統(tǒng)基于卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeural Networks， CNN）的齒輪箱故障診斷方法存在診斷精度不高、訓練收斂性能差等問題，首先，提出一種改進的注意力機制和一種基于注意力機制的軟閾值激活函數(shù)，在此基礎(chǔ)上，構(gòu)建基于改進注意力機制的CNN 故障診斷模型；然后，通過齒輪箱開源數(shù)據(jù)集的實驗數(shù)據(jù)，驗證改進的注意力機制和基于注意力機制的軟閾值激活函數(shù)能否有效提升模型的診斷精度和訓練收斂性能；最后，將構(gòu)建的模型應(yīng)用于實際工況齒輪箱的故障診斷。（剩余9203字）