融合注意力机制的MSCNN-BiLSTM滚动轴承故障诊断方法

本文提出了一种融合注意力机制的多尺度卷积神经网络（MSCNN）和双向长短时记忆网络（BiLSTM）结合的滚动轴承故障诊断方法。该方法通过通道注意力机制优化卷积神经网络的学习机制，构建多尺度特征提取模块自适应提取不同尺度的关键空间特征信息，并利用BiLSTM提取振动信号的时序特征信息。引入自注意力机制关注重要故障特征，最后使用Softmax分类器进行轴承故障诊断。试验结果表明，该模型在变载荷和噪声干扰的情况下保持较高的诊断准确率，具有较强的泛化能力。