基于改进注意力机制的CNN 的齿轮箱故障诊断

打开文本图片集

摘要：针对实际工况中齿轮箱振动信号复杂多变，导致传统基于卷积神经网络（ConvolutionalNeural Networks， CNN）的齿轮箱故障诊断方法存在诊断精度不高、训练收敛性能差等问题，首先，提出一种改进的注意力机制和一种基于注意力机制的软阈值激活函数，在此基础上，构建基于改进注意力机制的CNN 故障诊断模型；然后，通过齿轮箱开源数据集的实验数据，验证改进的注意力机制和基于注意力机制的软阈值激活函数能否有效提升模型的诊断精度和训练收敛性能；最后，将构建的模型应用于实际工况齿轮箱的故障诊断。（剩余9203字）