基于注意力机制胶囊神经网络的轴承故障诊断

为了解决在滚动轴承故障诊断中故障样本数量少、信噪比低导致的诊断精度低问题，提出一种基于注意力机制胶囊神经网络的轴承故障诊断方法。这一方法采用经验模态分解方法对信号进行分解，得到多个本征模函数。对分解的信号进行通道融合，结合卷积注意力模块，获取敏感特征参数。通过两层卷积层进行特征提取，传入胶囊层，进行诊断分析。为了检验这一轴承故障诊断方法的可行性和准确率，采用凯斯西储大学公开的轴承数据集进行对比试验。结果表明，基于注意力机制胶囊神经网络的轴承故障诊断方法在数据样本数量少、信噪比低的情况下，相比传统方法具有更高的准确率。