CN115630334B 基于cbam的多通道特征融合的跨域机械故障诊断方法及应用 （山东科技大学）

QiuyiChen.GearFaultDiagnosiadaptationnetworks:transferablefeatur基于CBAM的多通道特征融合的跨域机械故开了基于CBAM的多通道特征融合的跨域机械故网络对原始信号组成的灰度图进行初步特征提2S2，经过改进的卷积块注意力模块对提取的多传在步骤S1中，采用卷积神经网络对原始信号组成的灰度图进行(2)对所取得的多传感器轴承振动信号和声学信号进行对齐长度采样，构造具有标签(3)利用时域信号作为基于改进的CBAM的多通道特征融合的跨域机械故障模型的输在步骤S2中，经过改进的卷积块注意力模块对提取的多传感器通过多通道的卷积神经网络、全连接层以及改进的CBAM构造多传2.根据权利要求1所述的基于改进的CBAM的多通道特征融合的跨域机械故障诊断方3.根据权利要求1所述的基于改进的CBAM的多通道特征融合的跨域机械故障诊断方4.根据权利要求3所述的基于改进的CBAM的多通道特征融合的跨域机械故障诊断方3CD)=γLC+βLwd+λLDD的权衡参数；5.一种试验台，用于实施权利要求1_4任意一项所述基于改进的CBAM的多通道特征融任意一项所述基于改进的CBAM的多通道特征融合的跨域机得所述处理器执行权利要求1_4任意一项所述基于改进的CBAM的多通道特征融合的跨域机4基于CBAM的多通道特征融合的跨域机械故障诊断方法及跨域机械故障诊断方法及应用。不易被察觉，但是旋转机械设备故障被发现时往往会对设备生产效益造成一定程度的损[0004]如今基于深度学习计算机视觉方法已经能在一定程度上辅助械设备故障诊断算法已经能实现对特定工况特定设备的高精度[0005]随着基于深度学习的机械设备智能故障诊断方法逐渐发展，诸多问题也逐渐显5[0016](2)对所取得的多传感器轴承振动信号进行对齐等长度采样，构造具有标签的源[0017](3)利用时域信号作为基于改进的CBAM的多通道特征融合的跨域机械故障模型的[0018]在一个实施例中，在步骤(1)试验台获取不同工况下不同健康状态的轴承振动信[0026]2)通过多通道特征提取器对不同传感器特征进行并行提取以获得多传感器融合6)=γLC+βLwd+λLD执行所述基于CBAM的多通道特征融合的跨域高层特征，进而利用全连接层对特征进行压缩，然后通过使用改进的卷积块注意力模块(ConvolutionalBlockAttentionModule,CBAM)进行更深层次的特征提取，再经过CBAM7[0049](1)本发明的技术方案转化后的预期收益和商业价值为：所提利用多传感器信号[0050](2)本发明的技术方案填补了国内外业内技术空白：为设备的故障诊断问题提供[0051](3)本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难[0053]图1是本发明实施例提供的基于改进的CBAM的多通道特征融合的跨域机械故障诊[0054]图2是本发明实施例提供的是本发明实施例提供的基于改进的CBAM的多通道特征[0057]如图1所示，本发明实施例提供一种基于改进的CBAM多通道特征融合的跨域机械8[0066]本发明实施例提供的基于改进的CBAM多通道特征融合的跨域机械故障方法包括[0067](1)通过试验台实验获取不同工况下不同健康状态的轴承振动信号和声学信号，免因单个传感器损坏或收到干扰而造成故障诊断精[0068](2)对所取得的多传感器轴承振动与声学信号进行对齐等长度采样，以保证声学[0069](3)利用时域信号作为基于CBAM的多通道特征融合的跨域机械故障模型的输入，[0070](4)利用多通道的卷积神经网络、全连接层以及改进的CBAM构造多传感器特征提[0071](5)通过利用标签分类器对多传感器融合特征进行健康状态分类，利用交叉熵损失衡量源域与目标域故障诊断性能。训练过程中充分利用损失函数进行反向传播更新模[0074](6)通过多通道对不同传感器特征进行并行提取以获得多传感器融合特征，采用9[0079](8)利用域差异衡量块对域不变特征进行学习，对不同设备健康状况的多传感器[0083]如图2所示，本发明实施例提供的基于改进的CBAM多通道特征融合的跨域机械故[0084](1)通过试验台实验获取不同工况下不同健康状态的轴承振动信号，采样频率为个传感器损坏或收到干扰而造成故障诊断精[0086](2)对所取得的多传感器轴承振动信号进行齐等长度采样，根据源域数据所代表[0087](3)利用时域信号进行作为模型输入，时域信号数据以行优先原则进行排列为方可以消除手工特征带来的影响，同时方阵数据可以充分发挥卷积神经网络的特征提取能[0088](4)利用多通道的卷积神经网络、全连接层以及改进的CBAM构造多传感器特征提[0089](5)通过利用标签分类器对多传感器融合特征进行健康状态分类，标签分类器有[0092](6)通过多通道对不同传感器特征进行并行提取以获得多传感器融合特征，采用[0097](8)利用域差异衡量块对域不变特征进行学习，对不同设备健康状况的多传感器[0109]本发明实施例提供的基于改进的CBAM的多通道特征融合的跨域机械故障诊断方器执行所述计算机程序时实现上述任意各个方法实施[0117]本发明实施例还提供了一种服务器，所述服务器用于实提供用户输入接口以实施如上述各方法实施例中[0120]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用轴承在不同工况下进行振动信号和声学信号的采集并进[0130]