基于改進(jìn)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(fù)雜多變，導(dǎo)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(xùn)練收斂性能差等問題，首先，提出一種改進(jìn)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(jìn)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(jìn)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(xùn)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）