【技术实现步骤摘要】
本专利技术涉及轴承故障检测领域，具体涉及基于双注意力机制强化分级决策网络的轴承故障诊断方法及系统。
技术介绍
1、现有对于轴承故障的检测中，都是在较为均衡的数据集下开展了轴承健康状态分类的故障诊断工作；然而，在真实的故障诊断工作中，一方面，不同类别的轴承故障数据分布不均，使模型的训练和测试变得更加复杂。另一方面，不可避免的噪声环境可能进一步干扰轴承信号的特征提取和诊断过程。因此，如何在不平衡数据和强噪声干扰的环境下良好的实现轴承故障诊断仍然是一个极具挑战性的任务。在相关技术方面，尽管注意力机制辅助的cnn在特征提取方面表现出强大的能力，并在轴承故障诊断任务中取得了令人鼓舞的结果，但它们存在两个主要缺点：(1)它们仅仅关注输入信号和输出结果，而忽视了中间过程的有效推理，降低了诊断结果的可信度；(2)将轴承故障位置和尺寸作为同一级别进行混合分类，偏离了人类的常规思维过程。
技术实现思路
1、为了解决上述背景中的技术问题，本专利技术提出了一种双注意力引导的树形分级决策网络的分层多类别故障诊断模型...
【技术保护点】
1.基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，所述分层多类别故障诊断模型包括双注意力引导机制和树启发式分级决策网络；
3.根据权利要求2所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，所述双注意力引导机制的构建方法包括：将三元注意力机制和多头卷积注意力机制整合到一个CNN模型中，形成所述双注意力引导机制；
4.根据权利要求2所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于...
【技术特征摘要】
1.基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，所述分层多类别故障诊断模型包括双注意力引导机制和树启发式分级决策网络；
3.根据权利要求2所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，所述双注意力引导机制的构建方法包括：将三元注意力机制和多头卷积注意力机制整合到一个cnn模型中，形成所述双注意力引导机制；
4.根据权利要求2所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，基于故障诊断任务的基本逻辑设计所述树启发式分级决策网络，包括：故障类型层和故障尺寸层；
5.根据权利要求2所述的基于双注意力机制强化分级决策网络的轴承故障诊断方法，其特征在于，将所述双注意力引导机制作为所述分...
【专利技术属性】
技术研发人员：董治麟，蒋永华，焦卫东，唐超，徐晚秀，孙建锋，刘思雨，林大选，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。