基于自適應(yīng)升維和卷積自注意力的軸承故障診斷網(wǎng)絡(luò)

摘要： 深度學(xué)習(xí)網(wǎng)絡(luò)是一種端到端的黑箱模型，對網(wǎng)絡(luò)進(jìn)行可解釋分析可以更深入理解網(wǎng)絡(luò)內(nèi)部運行機(jī)理以便合理優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)參。目前基于Transformer網(wǎng)絡(luò)的軸承故障診斷模型必須借助時頻分析等方法對時域信號進(jìn)行升維，使其轉(zhuǎn)換為時頻圖等二維圖像以便于可解釋分析，這種方法存在著升維過程中參數(shù)固定、網(wǎng)絡(luò)參數(shù)量過大和網(wǎng)絡(luò)可解釋性較差等缺點。針對以上問題提出融合網(wǎng)絡(luò)內(nèi)自適應(yīng)升維方法、卷積自注意力... （共11頁）