基于自注意力机制辅助分类生成对抗网络的轴承故障诊断

来源：信息与控制杂志2022年第6期北京时间：

作者：邱吉尔, 陶洪峰, 程龙, 沈凌志

摘要：针对传统判别式轴承故障诊断算法在复杂工况下依赖人工特征提取、诊断效果不佳的问题，提出将生成式模型辅助分类生成对抗网络(auxiliary classifier generative adversarial network，ACGAN)用于轴承故障诊断研究。首先，通过快速傅里叶变换将轴承振动信号转为2维频域特征灰度图，设计卷积网络作为模型主体结构，添加批量归一化和LeakyReLU激活函数缓解梯度消失问题；其次，引入自注意力机制(self-attention mechanism，SA)，将数据中相距较远的特征相互关联建立新的SA-ACGAN模型，实现多分类场景下对原始数据分布特征的有效学习；最后，将模型应用于电机轴承进行对比验证，结果表明所提方法故障诊断准确率高达99.7%，并具有良好的鲁棒性和泛化性。

关键词：故障诊断, 辅助分类生成对抗网络(ACGAN), 滚动轴承, 自注意力机制