【技术实现步骤摘要】
本公开涉及滚动轴承故障诊断，特别涉及一种基于注意力时频特征提取的滚动轴承故障诊断方法。
技术介绍
1、滚动轴承的振动信号具有显著的非平稳性和易受干扰的特点，这主要归因于以下几个方面的综合影响：
2、第一，运行环境的影响：滚动轴承的实际工作环境可能十分复杂，受温度变化、湿度波动、粉尘颗粒、机械振动等外界条件的干扰显著。温度的波动可能导致材料的膨胀和收缩，从而影响振动信号的稳定性；湿度的变化会影响润滑效果，加剧摩擦；而粉尘颗粒的进入可能直接造成内部的微小损伤。这些因素会影响振动信号的统计特性，使其在时间上表现出明显的非平稳性。
3、第二，负载波动：在运行过程中，轴承所承受的负载通常会随着设备的工况发生动态变化，例如负载大小的波动或方向的改变。负载波动会引起滚动体与滚道之间接触力的变化，导致振动信号的幅值和频率随之波动。这种变化在频域上通常表现为能量分布的动态调整，增加了信号的非线性特性。
4、第三，损伤和故障因素：滚动轴承在长时间运行中容易发生磨损、疲劳剥落、裂纹等局部损伤。此类损伤会引入新的频率成分或异常脉冲信号，使振动信号出现不规则的扰动。随着损伤或故障的恶化，信号中的异常成分会显著增加，进一步加剧了信号的非平稳性，且难以用传统的线性模型进行有效描述。
5、第四，润滑条件的影响：润滑是影响轴承正常运转的关键因素之一。润滑油不足、油品老化、润滑不均匀等问题都会导致轴承摩擦力增加，进而产生额外的振动成分。这些非线性振动信号与轴承正常运行的信号叠加，形成复杂的频率混叠现象，增加了信号的易
6、第五，外部机械干扰：在实际应用中，滚动轴承常常处于多设备共存的复杂系统中，周围设备的振动、冲击等机械干扰会通过结构传递给轴承。这些外部干扰信号与轴承自振信号混合，使得原始振动信号更为复杂，形成了多频共存、多幅叠加的特征，进一步加大了信号分析的难度，影响了准确的故障诊断。
7、可见，滚动轴承的振动信号因多种因素的相互作用表现出显著的非平稳性和易受干扰特性，常规的故障诊断方法难以准确地基于振动信号实现对滚动轴承进行故障诊断。
技术实现思路
1、本公开提供了一种基于注意力时频特征提取的滚动轴承故障诊断方法，能够准确地对滚动轴承进行故障诊断。所述技术方案至少包括如下方案：
2、第一方面，提供了一种基于注意力时频特征提取的滚动轴承故障诊断方法方法，包括：获取滚动轴承的振动信号；对所述振动信号进行预处理，以将所述振动信号转化为第一时频图像；将所述第一时频图像输入至第一卷积神经网络中，所述第一卷积神经网络包括第一支路、第二支路、全连接层，所述第一支路包括卷积注意力模块cbam，所述第二支路包括高效通道注意力模块ecanet，所述第一支路用于从第二时频图像中提取第一故障特征，所述第二支路用于从所述第二时频图像中提取第二故障特征，所述第一支路的输出和所述第二支路的输出与全连接层连接，所述全连接层用于拼接所述第一故障特征和所述第二故障特征，并输出所述第二时频图像的故障诊断结果，所述第二时频图像为任一张输入至所述第一卷积神经网络的时频图像；获取所述第一卷积神经网络输出的所述第一时频图像的故障诊断结果。
3、可选地，所述cbam包括通道注意力模块和空间注意力模块；所述通道注意力模块用于对第一特征图进行处理得到通道注意力特征，并将所述通道注意力特征与所述第一特征图相乘得到第二特征图，所述第一特征图为输入至所述cbam中的特征图；所述空间注意力模块用于对第二特征图进行处理得到空间注意力特征，并将所述空间注意力特征与所述第二特征图相乘得到所述cbam输出的第一故障特征。
4、可选地，所述ecanet包括依次连接的全局平均池化gpa模块、通道特征自适应卷积模块和激活函数；所述gpa模块用于对第三特征图进行全局平均池化处理，并将全局平均池化处理后的第三特征图输入至所述通道特征自适应卷积模块，所述第三特征图为输入至所述ecanet的特征图；所述通道特征自适应卷积模块用于对全局平均池化处理后的第三特征图进行卷积运算，得到第一卷积结果，将所述第一卷积结果输入至激活函数，得到第四特征图，所述卷积运算中卷积核的大小基于所述第三特征图的通道特征自适应确定；在所述ecanet中，所述第四特征图用于与所述第三特征图相乘得到所述ecanet输出的第二故障特征。
5、可选地，所述对所述振动信号进行预处理，以将所述振动信号转化为第一时频图像，包括：对所述振动信号进行短时傅里叶变换，得到第三时频图像；对所述第三时频图像进行双线性插值处理，得到所述第一时频图像。
6、可选地，所述第一支路还包括第一卷积层和第二卷积层，所述第一卷积层、所述第二卷积层、所述cbam依次连接，所述第一卷积层中卷积核的尺度与所述第二卷积层中卷积核的尺度不同。
7、可选地，所述第二支路还包括第三卷积层和第四卷积层，所述第三卷积层、所述第四卷积层、所述ecanet依次连接，所述第三卷积层中卷积核的尺度与所述第四卷积层中卷积核的尺度不同。
8、第二方面，还提供了一种基于注意力时频特征提取的滚动轴承故障诊断装置，包括：第一获取模块，用于获取滚动轴承的振动信号；预处理模块，用于对所述振动信号进行预处理，以将所述振动信号转化为第一时频图像；输入模块，用于将所述第一时频图像输入至第一卷积神经网络中，所述第一卷积神经网络包括第一支路、第二支路、全连接层，所述第一支路包括卷积注意力模块cbam，所述第二支路包括高效通道注意力模块ecanet，所述第一支路用于从第二时频图像中提取第一故障特征，所述第二支路用于从所述第二时频图像中提取第二故障特征，所述第一支路的输出和所述第二支路的输出与全连接层连接，所述全连接层用于拼接所述第一故障特征和所述第二故障特征，并输出所述第二时频图像的故障诊断结果，所述第二时频图像为任一张输入至所述第一卷积神经网络的时频图像；第二获取模块，用于获取所述第一卷积神经网络输出的所述第一时频图像的故障诊断结果。
9、可选地，所述预处理模块还用于对所述振动信号进行短时傅里叶变换，得到第三时频图像；对所述第三时频图像进行双线性插值处理，得到所述第一时频图像。
10、第三方面，还提供了一种计算机设备，包括：存储器和处理器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，从而执行上述实施例中所述的基于注意力时频特征提取的滚动轴承故障诊断方法。
11、第四方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，从而执行上述实施例中所述的基于注意力时频特征提取的滚动轴承故障诊断方法。
12、第五方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现第一方面所述的方法。
13、本公开实施例提供的技术方案带来的有益效果至少包括：
14、在本文档来自技高网...
【技术保护点】
1.一种基于注意力时频特征提取的滚动轴承故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述CBAM包括通道注意力模块和空间注意力模块；
3.根据权利要求1所述的方法，其特征在于，所述ECANet包括依次连接的全局平均池化GPA模块、通道特征自适应卷积模块和激活函数；
4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述振动信号进行预处理，以将所述振动信号转化为第一时频图像，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述第一支路还包括第一卷积层和第二卷积层，所述第一卷积层、所述第二卷积层、所述CBAM依次连接，所述第一卷积层中卷积核的尺度与所述第二卷积层中卷积核的尺度不同。
6.根据权利要求1至3任一项所述的方法，其特征在于，所述第二支路还包括第三卷积层和第四卷积层，所述第三卷积层、所述第四卷积层、所述ECANet依次连接，所述第三卷积层中卷积核的尺度与所述第四卷积层中卷积核的尺度不同。
7.一种基于注意力时频特征提取的滚动轴承故障诊断装置，其特
8.一种计算机设备，其特征在于，所述计算机设备包括：存储器和处理器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以实现权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以实现权利要求1至6任一项所述的方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1至6任一项所述的方法。
...【技术特征摘要】
1.一种基于注意力时频特征提取的滚动轴承故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述cbam包括通道注意力模块和空间注意力模块；
3.根据权利要求1所述的方法，其特征在于，所述ecanet包括依次连接的全局平均池化gpa模块、通道特征自适应卷积模块和激活函数；
4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述振动信号进行预处理，以将所述振动信号转化为第一时频图像，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述第一支路还包括第一卷积层和第二卷积层，所述第一卷积层、所述第二卷积层、所述cbam依次连接，所述第一卷积层中卷积核的尺度与所述第二卷积层中卷积核的尺度不同。
6.根据权利要求1至3任一项所述的方法，其特征在于，所述第二支路还包...
【专利技术属性】
技术研发人员：张道德，卢玺康，吕畅，张圣平，徐黎明，于晶晶，
申请(专利权)人：湖北工业大学，
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。