基于多尺度卷积神经网络的滚动轴承故障诊断

针对传统方法在难以自适应提取滚动轴承有效故障特征信息的问题，提出了一种多尺度卷积神经网络的滚动轴承故障诊断方法。

首先，构建了多尺度特征融合模块自适应提取故障样本不同感受野下的特征表示，以实现多尺度特征的充分表征；其次在卷积神经网络引入卷积注意力模块动态地对通道和空间维度信息进行加权，以增强判别性特征的表征能力；最后，通过德国帕德博恩开源滚动轴承数据集进行验证，证明了所提方法对有效性。

●参考文献：2022年东南大学学报EI《基于多尺度和注意力机制的滚动轴承故障诊断》

ps：与论文模型有差异，主要参考论文多尺度思路和注意力机制

●数据预处理：支持1维原始数据

●网络模型：1DMSCNN、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98.91%

●使用对象：初学者

●代码保证：故障诊断代码注释详细、即拿即可跑通。

ID:22150

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/752047890299.html