文章标题：基于变分模态分解和Transformer模型的轴承故障诊断方法
文章作者：周博1, 王振华2, 韩瑞光3, 孔斌1, 谷守奥4, 唐俊4, 余涛1
关 键 字：故障诊断;深度学习;振动信号处理;变分模态分解;注意力机制;Transformer模型
文章摘要：本文基于XJTU-SY全寿命周期轴承振动数据设计了信号切割与采样方法，构建了包含保持架损坏、内圈损坏和外圈损坏的数据集3类故障状态。并使用变分模态分解（VMD）方法作为信号处理模块，构建了输入序列。最后将序列输入到Transformer模型进行特征提取，再使用MLP分类器对3类故障进行诊断分析，对比了不同模态提取数下模型性能与分类效果。研究结果表明，使用VMD+Transformer的故障诊断模型在识别滚动轴承故障任务方面的准确率最高可达到90.7％。研究验证了Transformer模型在轴承故障信号处理与特征提取应用方面的可能性，可为船舶机械轴承健康管理提供技术支持。