基于IMHSA-MSCNN-BiLSTM的风机轴承故障诊断

来源：电子测量技术杂志2024年第7期北京时间：

作者：张家安，邓强，马增强，李志军

单位：1.河北工业大学电气工程学院 天津 300130; 2.河北工业大学人工智能与数据科学学院 天津 300130; 3.石家庄铁道大学电气与电子工程学院 石家庄 050043

摘要：由于风力发电机组的非平稳运行条件和周围恶劣的工作环境，风机轴承故障振动脉冲特征易被随机噪声干扰所淹没，这给准确检测滚动轴承故障造成了挑战。为了降低随机干扰对后续特征提取的影响和算法复杂度，提出了一种改进多头自注意力机制（IMHSA）-多尺度卷积网络（MSCNN）-双向长短期记忆网络（BiLSTM）的风机轴承故障诊断方法。首先，由周期空洞自注意力和局部自注意力组成的IMHSA对特征进行增强，以减少随机干扰影响及特征增强过程中的时间消耗；然后，利用MSCNN-BiLSTM网络提取故障信号中的空间特征与长期依赖特征；最后，经全连接层和Softmax层输出风机轴承故障诊断结果，并采用实验台滚动轴承实际运行数据进行算例分析，通过与领域内其他同类方法的对比，验证了所提方法的有效性和优越性。

关键词：风机轴承故障诊断;改进多头自注意力机制;多尺度卷积网络;双向长短期记忆网络

基金资助：河北省自然科学基金创新集体项目（E2020202142）资助