基于多传感器信号融合的滚动轴承故障诊断

自写Pytorch故障诊断代码

针对单一传感器数据难以完整刻画滚动轴承故障状态信息，导致故障诊断结果不佳的问题。

提出了基于多传感器数据融合的故障诊断方法。

首先，利用通道拼接将振动信号和电流信号构造成多通道数据，以充分描述设备运行的状态信息；其次，引入注意力机制CBAM对不同通道数据自适应加权，抑制多通道数据中无关信息干扰，增强特征提取的表征能力。

最后，在分类通道后添加softmax层输出诊断结果。

实验结果表明，所提方法分类准确率达到99.96%以上，具有良好的鲁棒性和自适应性。

●参考文献：《基于卷积神经网络的智能故障诊断方法研究》中北大学博士论文第4章

●数据预处理：可支持1维原始数据

●网络模型：1DCNN、1DResNet、1DRsNet

●数据集：德国帕德博恩开源滚动轴承数据集（PN_Dataset）

●网络框架：pytorch

●结果输出：损失曲线图、准确率曲线图、混淆矩阵、tsne图

●准确率：测试集99.96%

●使用对象：初学者

ID:21150

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/746894704897.html