计量学报

作者：郭海宇, 于威, 张晓光, 陆凡凡, 陈洋, 赵学义

单位：<sup class=\mag-xml-aff-label-sup added-by-sys\>1.</sup> 沈阳工业大学 电气工程学院，辽宁 沈阳 110870

关键词：振动计量,轴承故障诊断,卷积神经网络,多分支,通道注意力机制：水泥生产设备

基金：国网辽宁省电力有限公司科技项目(2023YF-21); 中国博士后科学基金(2024M753116)

针对传统轴承故障诊断模型学习关键故障特征能力不足，且在噪声干扰下诊断精度受限的问题，提出了一种多分支多尺度卷积神经网络结合通道注意力（MBSACNN）的故障诊断方法。该方法采用多通道多输入的方式弥补传统模型只能分析单一维度故障特征信息的不足；进行连续小波变换将样本转化为时频信号，增强样本信息的多样性；利用多尺度并行卷积获取关键特征，增强特征学习能力；结合通道注意力机制有效融合多分支故障特征，提升故障诊断的准确性。与传统故障诊断模型相比，MBSACNN模型在特征学习和抗噪性能方面都表现出一定的优势。在凯斯西储大学（CWRU）实验数据集零噪声与强噪声情况下，故障分类准确率分别为99.99%和96.97%；工程应用中，在噪声干扰强烈的3类水泥生产设备上故障分类准确率均优于97.25%，具有较高的诊断精度与噪声鲁棒性。

来源：2025年第2期

《计量学报》期刊编辑部

查看计量学报杂志2025年第2期