基于残差收缩卷积和GSoP注意力机制的旋转机械故障诊断
来源：振动与冲击杂志2025年第13期北京时间：
作者：刘保罗ieliubl, 李晨, 聂雅琳, 王国勇
单位：洛阳理工学院计算机与信息工程学院，河南洛阳471000
摘要：针对强背景噪声与变载荷工作环境下，振动信号有效特征难以提取，故障诊断准确率低、泛化能力差的问题，提出了一种结合残差收缩卷积和全局二阶池化（Global Second-Order Pooling，GSoP）注意力机制的旋转机械故障诊断方法。该方法通过软阈值滤波技术与多通道、多尺度卷积相结合，构建残差收缩卷积，并在软阈值滤波基础上加入注意力因子，以抑制不相关特征并增强有效特征。此外，利用高阶统计建模思想，在残差收缩卷积层之后引入GSoP注意力机制，通过高层信道特征图的二阶统计信息提升模型判别性特征的提取能力。最后，利用凯斯西储大学轴承数据集和康涅狄格大学的齿轮箱数据集进行测试试验，所提方法在6dB信噪比条件下分别实现了98.84%和99.41%的诊断准确率，在变噪声和变负载条件下，诊断性能均优于对比组模型，试验结果表明，所提方法在复杂工作环境下具有较好的故障识别能力和泛化能力。<br>
关键词：故障诊断；旋转机械；软阈值；全局二阶池化
