程建刚1,毕凤荣1,张立鹏2,李鑫1,杨晓1,汤代杰1
振动与冲击. 2022, 41(10): 8-15.
高效、准确地故障诊断可以提高柴油机的安全性和可靠性。传统机械故障诊断方法中人工参与程度过高,为识别结果带来诸多不确定性。针对这一问题,论文提出一种基于多重注意力卷积神经网络 (Multiple Attention Convolutional Neural Networks, MACNN)的端到端的故障诊断方法。该方法采用多层卷积神经网络 (Convolutional Neural Networks, CNN) 结合卷积注意力模块 (Convolutional Block Attention Module, CBAM) 对原始时域数据进行特征提取,然后对多维卷积输出特征图进行重组以保留其序列信息,最后直接采用序列注意力机制完成序列特征的学习。经采用实测柴油机缸盖振动信号数据进行验证后表明:面对8分类柴油机故障数据集,MACNN能够达到97.88%的识别准确率,测试100个样本用时仅为0.35s。与现有多种传统故障诊断方法和端到端故障诊断方法相比,均具有更好的诊断效果。