基于双重注意力机制的异步电机故障诊断方法

多源数据融合的深度学习模型中，通常采用等比重的方式将不同类型信号的特征映射至融合层。然而，该过程忽略了非同源信号特征对最终识别效果贡献程度不一致的问题。为此，提出了一种基于双重注意力机制的深度学习模型。该模型首先采用通道注意力模块抑制同源信号内无关分量的影响，其次利用多源数据注意力模块自适应分配非同源信号特征的权重，然后对重新赋权的特征进行融合，最后利用分类器实现模式分类。将所提方法应用于异步电机故障诊断，结果表明，该方法平均识别准确率为99.74%,其诊断效果优于现有方法。