基于TAFN—VMDNR的碾米机轴承故障诊断OA

针对碾米机在高强度、高负荷下,产生噪声影响故障诊断准确性的问题,提出一种具有降噪效果的时序注意力融合网络(TAFN—VMDNR)。首先,利用变分模态分解(VMD)对原始振动信号进行降噪处理;其次,通过时间卷积网络(TCN)结合双向门控循环单元(BiGRU)提取时序特征和深层多尺度特征;然后,引入注意力机制(AM)为不同尺度特征赋予不同权重;最后,利用Softmax分类器实现对碾米机轴承故障的准确诊断。在美国的CWRU和江南大学的轴承数据集上进行验证,诊断准确率分别为99.33%和96.10%,证明模型对碾米机轴承故障诊断具有良好效果。