基于最小平均复合熵和并行卷积融合注意力机制轴承故障诊断模型

来源：振动与冲击杂志2025年第18期北京时间：

作者：张震,，杨世锡yangsx@zju,，何俊,，周万春

单位：1.郑州工程技术学院机电与车辆工程学院，郑州450000；2.浙江大学中原研究院，郑州 450001；3.浙江大学机械工程学院，杭州201109

摘要：针对复杂噪声影响下，轴承故障诊断中出现的故诊断准确率低，泛化能力弱的问题。提出基于最小平均复合熵和并行卷积融合注意力机制卷积神经网络轴承故障诊断模型。gai首先以雷尼熵和样本熵组成的最小平均复合熵作为适应度函数，以改进蜣螂算法作为优化算法对VMD关键参数进行寻优，实现信号故障特征提取。随后将所提取信号特征以格拉姆角场转化为角和场和角差场。最后使用并行融合注意力机制卷积神经网络进行故障诊断。实验数据和台架试验结果表明，本文所提模型分类准确率高达99.3%，与对比模型相比，复杂噪声工况下的抗噪能力提高15%以上，泛化能力提高3.68%。<br>

关键词：雷尼熵；融合注意力机制；并行卷积神经网络；滚动轴承；格拉姆角场