多尺度时频协同 Transformer 驱动的航空发动机故障诊断方法

来源：电子测量技术杂志2025年第20期北京时间：

作者：连帅

单位：中国飞行试验研究院 西安 710089

摘要：航空发动机作为飞行器的核心动力部件，其运行可靠性直接关系到飞行安全与运行效率，轴间轴承的故障诊断是保障其稳定工作的关键环节。本文针对航空发动机轴间轴承故障诊断问题展开研究，归纳总结现有1DCNN网络与1D-Transformer方法的局限性：自注意力机制易受原始振动信号中高频噪声与冗余信息干扰，关键故障特征聚焦能力不足；纯Transformer架构对局部细微特征的捕捉能力较弱。为此，提出多尺度时频协同Transformer驱动的故障诊断方法，通过融合多尺度时频特征提取与Transformer全局建模能力，实现对振动信号局部细微特征与全局关联特征的协同捕捉。实验结果表明，该方法在航空发动机轴间轴承故障诊断中表现优异：在高斯白噪声环境下（信噪比-4~4 dB），诊断准确率与F1-Score均为最优，强噪声（-4 dB）时达96.04%，弱噪声（4 dB）时达99.84%，抗噪稳定性优于五种对比方法；在CWRU基准数据集的无噪声与噪声场景中，可稳定识别不同程度故障（如轻度内圈故障），强噪声（-4 dB）时准确率99.01%，弱噪声（4 dB）时达99.78%，验证了泛化能力，有效改善了噪声干扰下特征聚焦不足与局部特征捕捉薄弱的问题。综上，多尺度时频协同Transformer为航空发动机轴间轴承故障诊断提供了高效稳健的解决方案，其强抗噪性与精准识别能力满足实际工程复杂振动环境需求，为提升故障监测可靠性提供技术支撑。

关键词：航空发动机;轴间轴承故障诊断;多尺度特征提取;双通道动态协同注意力;小波时频层级Transformer