多尺度多任务注意力卷积神经网络滚动轴承故障诊断方法

• Published in: 电机与控制学报 Vol. 28; no. 7; pp. 65 - 76
• Main Authors: 王照伟, 刘传帅, 赵文祥, 宋向金
• Format: Journal Article
• Language: Chinese
• Published: 江苏大学 电气信息工程学院,江苏 镇江212013 01.07.2024
• Subjects: 注意力机制; multi-task learning; fault diagnosis; 故障诊断; attention mechanism; 自适应损失权重; 多任务学习; 多尺度卷积; adaptive loss weight; multi-scale convolution
• ISSN: 1007-449X
• DOI: 10.15938/j.emc.2024.07.007

TM34; 针对振动信号时间尺度不一、故障特征分布差异及信息冗余等问题,提出一种多尺度多任务注意力卷积神经网络(MSTACNN)的滚动轴承故障诊断方法.首先,在参数共享单元构建多尺度卷积神经网络,提取多任务之间共享信息的多尺度通用特征;其次,利用多任务学习机制对故障类型、故障尺寸以及运行工况同时训练,规避单任务学习效率低下问题;然后,采用注意力机制对多尺度特征信息进行筛选,识别并保留有效特征;最后,设计了一种自适应损失权重算法,动态调整子任务的损失权重,控制不同任务的学习进度,实现了对轴承故障类型、故障尺寸以及运行工况同时识别的目标.在西储大学数据集和帕德博恩大学数据集分别对方法有效性进行验证,其中故障类型的识别准确率分别达到了99.95％和98.41％.实验结果表明,所提方法均展现出较高的识别准确率、良好的收敛速度和稳定性,具有较强的特征提取学习能力和泛化性能.