噪声环境下基于AVMD和MMDE-SMFF的滚动轴承故障诊断方法

来源：振动与冲击杂志2025年第21期北京时间：

作者：赵昱宇，田翼，王雨潇wangyx@cauc

单位：中国民航大学电子信息与自动化学院,天津300300

摘要：针对现有深度学习模型强噪声环境下滚动轴承故障诊断性能不佳、难以有效揭示特征间复杂相关性等问题，提出一种基于自适应变分模态分解（adaptive variational mode decomposition，AVMD）、多尺度模态抑噪增强（multi-scale mode denoising enhancement，MMDE）和空间映射特征融合（spatial mapping feature fusion，SMFF）的滚动轴承故障诊断方法。为避免模态混叠和端点问题，提出一种AVMD方法，通过斑马优化算法优化VMD参数，以自适应提取各种工况下不同模态函数振荡特性成分；提出MMDE进行噪声抑制和模态特征提取，通过紧凑型多分支卷积层捕获多尺度模态的局部特征，利用通道动态降噪门控对故障特征进行自适应去噪增强；设计基于改进Transformer的SMFF进行特征融合，采用注意力机制捕获特征间相关性，通过卷积前馈网络学习序列非线性高维特征；结合AVMD、MMDE-SMFF与诊断决策器建立滚动轴承故障诊断模型。通过CWRU和XJTU-SY轴承故障数据集进行验证，结果表明，相较于现有智能故障诊断方法，所提方法抗噪性能良好，具有更高的准确性和可靠性。<br>

关键词：滚动轴承；故障诊断；Transformer；自适应变分模态分解；抗噪声；多尺度模态