买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北林业大学

摘要：基于多源信号融合的CA‑Transformer轴承故障诊断方法，本发明用于多源信号融合的轴承故障诊断。本发明是为了解决现有轴承故障诊断方法难以准确充分提取故障特征的问题，以及现有的故障诊断方法在复杂数据的训练效率和准确性上都存在一些缺陷。本发明包括：获得待诊断的多源轴承原始振动信号，将待诊断的多源轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障分类诊断结果；CA‑Transformer多源信号融合的故障诊断网络通过以下方式获得：构建基于CA‑Transformer网络框架：由输入阶段、CA‑Transformer阶段和分类阶段组成，在输入阶段，将原始信号数据处理为嵌入向量，CA‑Transformer阶段，基于Transformer网络和交叉注意力机制融合特征，在分类阶段，进一步通过线性层和Softmax层进行分类。

主权项：1.基于多源信号融合的CA-Transformer轴承故障诊断方法具体过程如下：获得待诊断的多源轴承原始振动信号，将待诊断的多源轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障分类诊断结果；CA-Transformer多源信号融合的故障诊断网络通过以下方式获得：步骤一、利用传感器采集对应位置的加速度信号，并进行处理降噪，生成样本集。通过随机取样，按一定比例划分为训练集和测试集，作为模型的训练和验证；步骤二、构建基于交叉注意力机制的多源数据融合CA-Transformer网络框架；所述的基于交叉注意力机制的多源数据融合CA-Transformer网络框架包括三个阶段，分别是输入阶段、CA-Transformer阶段和分类阶段组成；所述输入阶段，来自两个传感器传感器1和传感器2的原始信号数据首先被处理为嵌入向量。对于每个传感器的信号，通过短时窗嵌入和长时窗嵌入线性投影生成固定大小的令牌；所述CA-Transformer阶段，基于Transformer网络和交叉注意力机制来融合来自不同传感器的特征；所述在分类阶段，交叉注意力处理后的表示Ffused，进一步通过线性层和Softmax层进行分类；步骤三、初始化模型超参数，包括但不限于学习率、迭代次数、网络层数等；使用训练样本对CA-Transformer模型进行训练，优化参数使模型收敛，最后保存训练好的CA-Transformer模型用于测试评估；步骤四、将测试集数据输入到训练好的CA-Transformer模型，输出分类结果并分析。

全文数据：

权利要求：

百度查询： 东北林业大学 一种CA-Transformer多源信号融合的轴承故障诊断方法