采用改进Transformer模型的滚动轴承声振信号故障诊断方法

来源：电子测量技术杂志2025年第11期北京时间：

作者：施杰，张威，李志，陈立畅，杨琳琳

单位：云南农业大学机电工程学院 昆明 650201

摘要：现有故障诊断方法多采用“单信号单模型”的专用架构，对不同传感信号需构建独立的诊断模型。这类方法在实际应用中存在模型泛化能力有限、跨信号类型适应性不足等问题。因此，本文提出了一种通过构建统一的深度网络诊断模型，来实现能同时适用于振动与声学信号的智能诊断方法。首先，该方法采用改进淘金热优化算法和包络熵适应度函数来优化变分模态分解，实现变分模态分解中本征模态分量个数k和惩罚因子α自适应确定，再以平均峭度准则筛选变分模态分解分解后的本征模态分量，并使用改进的小波阈值去噪进行二次降噪和重构，以凸显声振信号中的故障特征。然后，在Transformer模型的基础上引入深度残差收缩网络，构建局部特征提取层，提高模型的局部特征提取能力；同时，设计了一种多尺度线性注意力机制来替换Transformer中的多头自注意力，降低模型计算复杂度，增强模型对长距离依赖的捕捉能力。最后，在自建的滚动轴承声振数据集上进行验证，实验结果表明，该方法在自建滚动轴承数据集上表现优异，对声学信号的诊断精度可达到90%，对振动信号的诊断精度达到了99.77%，均优于ResNet18、DRSN、VIT、MCSwin_T、WDCNN。

关键词：滚动轴承声振信号;变分模态分解;小波阈值去噪;Transformer;智能故障诊断

基金资助：云南省重大科技专项计划项目（202302AE090020）、云南省农业基础研究联合专项（202401BD070001-069）、云南省先进装备智能制造技术重点实验室开放基金课题（KLYAEIMTY2022004）项目资助