基于卷积残差编码网络的水泥辊压机故障诊断OA

目的为提高水泥生产效率,避免因主要机械设备故障导致的生产停止,需要对水泥生产线中的主机设备辊压机进行故障诊断。方法提出卷积残差Transformer编码网络,此模型第一部分是包含4个卷积层的卷积块,每个卷积层中包含卷积、池化、批规范化和激活函数,用以提取输入数据的局部特征;对提取到的特征增加残差后输入Transformer编码模块,Transformer编码模块包含多头注意力机制和前馈神经网络,用以对输入的特征进行再次提取,得到编码的输出后再次增加残差;最后经过全连接层和Softmax层进行分类以实现对故障的诊断。结果在凯斯西储大学公开轴承数据集进行模型可用性的初步验证,然后在辊压机上安装传感器收集正常运行和故障运行的振动数据作为实证数据集,其中凯斯西储大学测试集预测准确率为99.75%,对辊压机数据测试集的识别准确率为96.55%,故障的查全率达到98.32%。结论使用卷积提取故障数据特征,然后用注意力机制突出重要特征的方法能对辊压机实际生产中的运行状态进行有效的判断,特别是对故障状态的识别率更高。