Метод диагностики неисправностей подшипников на основе многомасштабной сети слияния внимания с использованием архитектуры с двумя ветвями
Для решения задач диагностики неисправностей качения подшипников – включая извлечение признаков с единой шкалы, высокую вычислительную сложность при моделировании дальнодействующих временных зависимостей и недостаточное слияние мультимодальных признаков – в данном исследовании предлагается метод диагностики неисправностей на основе сети мультишкального внимания и слияния (MultiScale Attention and Fusion Network, MSAFN). Этот подход использует двухветвевую архитектуру для совместной обработки временно-частотных карт и статистических векторных признаков. Во-первых, разрабатывается динамический многомасштабный сверточный модуль, использующий параллельные многомерные сверточные ядра для адаптивной настройки приемного поля, захватывая признаки неисправностей на различных уровнях гранулярности. Во-вторых, вводится остаточный механизм двойного внимания и модуль селективного пространства состояний (Selective State Space Module, SSM). Это улучшает восприятие критических компонентов частотной области, одновременно достигая эффективного моделирования дальнодействующих временных зависимостей в вибрационных сигналах с линейной вычислительной сложностью. На этой основе предлагается иерархическая прогрессивная стратегия слияния. Эта стратегия использует механизмы кросс-модального управления для обеспечения глубокого взаимодействия между разнородными признаками на различных уровнях абстракции. В сочетании с рамочной моделью многозадачного совместного обучения она оптимизирует задачи классификации, реконструкции и контрастного обучения для повышения обобщенной устойчивости модели. Экспериментальные результаты на наборах данных университета Кейс Вестерн Резерв (Case Western Reserve University, CWRU) и университета Падерборна (Paderborn University, PU) демонстрируют точности диагностики 99.67 и 96.0 % соответственно, превосходя основные модели глубокого обучения и обладая высокой интерпретируемостью.
Авторы: В. В. Потехин, Ч. Го
Направление: Информатика, вычислительная техника и управление
Ключевые слова: качающиеся подшипники, диагностика неисправностей, многомасштабное внимание, мультимодальное слияние, многозадачное обучение, анализ во временно-частотной области
Открыть полный текст статьи