噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法技术

本发明专利技术公开一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，先获取滚动轴承在不同负载下的不同故障状态振动信号数据，加入不同程度的高斯白噪声；对加入噪声的数据进行连续小波变换得到二维小波图像，并划分为训练集和测试集；搭建ViT Encoder模型，使用Embeddings模块添加可训练的位置信息，将位置特征嵌入模型中，并通过Encoder模块中的多头自注意力机制提取特征中全局信息；构建胶囊网络，包括初级胶囊层和数字胶囊层，进一步提取特征中的空间信息，进行准确的故障诊断；最后使用Grad‑CAM实现Encoder模块处理后的特征进行可视化解释，并在测试数据集上完成高效的迁移故障诊断。

【技术实现步骤摘要】

本专利技术涉及故障智能诊断技术，具体涉及一种噪声环境下基于vitcapsnet网络的变工况迁移轴承故障诊断方法。

技术介绍

1、旋转机械是机械工程领域应用最为广泛的机械设备类型，同时旋转机械也是机械设备出现故障较多的部位。轴承作为旋转机械的核心部件之一，是频繁出现故障的部位，机械设备中有将近40%的故障是由轴承故障造成的，因此对轴承进行有效的故障诊断是非常有意义的。

2、轴承的工作环境较为复杂，容易被噪声干扰，通过加速度传感器收集到的特征振动信号会受到噪声的干扰，当噪声增加到一定程度时，振动信号的故障冲击产生的特征会被杂乱的噪声淹没，这给智能故障诊断工作带来很大的难度。在此种情况进行故障诊断，需要在噪声环境下提取到准确的故障特征，避免轴承故障恶化，影响设备的运行效率。

3、在实际应用场景中，除了噪声之外，经常还会遇到工况变化或出现新的故障类型的问题。传统的故障诊断方法的训练集和测试集的特征分布是相同的，导致模型的泛化能力低，适应能力差，如果遇到新的故障类型，历史训练模型无法对新工况下的故障进行准确的诊断分类。为了适应不断产生的新工况本文档来自技高网...

【技术保护点】

1.一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，其特征在于，所述步骤1中添加的高斯白噪声公式如下：

3.根据权利要求1所述的噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，其特征在于，所述步骤2.1.1中Embeddings模块将二维小波时频图像线性投影到一维空间中，生成patch token的具体方法为：

4.根据权利要求1所述的噪声环境下基于ViTCapsNet网络的变工况迁移轴承故...

【技术特征摘要】

1.一种噪声环境下基于vitcapsnet网络的变工况迁移轴承故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的噪声环境下基于vitcapsnet网络的变工况迁移轴承故障诊断方法，其特征在于，所述步骤1中添加的高斯白噪声公式如下：

3.根据权利要求1所述的噪声环境下基于vitcapsnet网络的变工况迁移轴承故障诊断方法，其特征在于，所述步骤2.1.1中embeddings模块将二维小波时频图像线性投影到一维空间中，生成patch token的具体方法为：

4.根据权利要求1所述的噪声环境下基于vitcapsnet网络的变工况迁移轴承故障诊断方法，其特征在于，所述编码器encoder模块包括多头注意力机制、mlp层、残差连接、归一化ln层以及dropout层，嵌入式序列输入编码器encoder模块经处理后最终输出全局特征；具体过程是：

5.根...

【专利技术属性】
技术研发人员：徐坤，任万凯，缪小冬，王华，赵珣，丁鹏，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：