基于多源信号与混合注意力的伺服阀故障诊断

来源：浙江大学学报·工学版杂志2026年第9期北京时间：

作者：杨晨,严建文,李磊,李贵闪

单位：1. 安徽理工大学 机电工程学院，安徽 淮南 2320012. 合肥工业大学 绿色设计与制造工程研究所，安徽 合肥 2300093. 合肥合锻智能制造股份有限公司，安徽 合肥 230601

摘要：为了提高重载与时变速及强噪声工况下电液伺服阀泄漏和阻塞隐蔽故障的诊断精度与鲁棒性，开展基于多源信号融合与混合注意力机制的电液伺服阀故障诊断方法研究，以增强模型对弱故障特征的表征与识别能力. 面向工程应用场景，构建压力与控制信号的双通道多尺度 Transformer 融合网络(DC-MTF-Net)，通过卷积注意力模块增强多尺度时序特征提取，引入交叉注意力门控融合实现多源特征的自适应加权. 采用自编码预训练与分类微调的两阶段学习框架，提升复杂生产环境下的特征表征与泛化能力. 基于重载与时变速的电液伺服阀试验平台多故障实验表明，与对比模型相比，所提方法的诊断准确率至少提高6%，在单通道诊断及多种噪声干扰对比实验下均表现出更高的稳定性和鲁棒性，验证了该方法在工程应用中的有效性.

关键词：重载与时变速工况,电液伺服阀,多源信号融合,混合注意力,交叉注意力门控融合

基金资助：国家重点研发计划资助项目（2023YEB3210805，2024YFE03120000）；重点实验室开放课题资助项目（PA2024GDSK0066）.