基于SincNet网络结合注意力机制齿轮箱故障诊断

来源：电子测量技术杂志2022年第5期北京时间：

作者：杨永灿，刘韬，王振亚，张兹勤，阮强

单位：1.昆明理工大学 机电工程学院 昆明 650500;2.云南省先进装备智能维护工程研究中心 昆明 650500

摘要：针对传统卷积神经网络(CNN)在齿轮箱中故障诊断准确率不高、特征提取方面表现欠佳的问题，提出了SincNet网络结合注意力机制齿轮箱故障诊断方法。首先，采用参数化的Sinc函数设计滤波器作为卷积层来代替传统CNN的第1个卷积层，得到SincNet网络结构，提取输入数据的特征信息；其次，结合具有Softmax的注意力机制(Att)增强特征信息。最后，采用齿轮箱故障数据集对所提出的方法进行实验验证，结果表明，所提方法平均诊断准确率达到99.68%,均高于对比方法。此外，通过特征图可视化分析，该方法能够准确定位输入数据中的识别信息，能更好地理解神经网络的特征提取过程，为机械振动信号的特征提取过程提供了参考。

关键词：齿轮箱;故障诊断;sinc函数;SincNet网络;注意力机制

基金资助：国家自然科学基金(52065030,51875272)； 云南省重大科技专项计划(202002AC80001)项目资助