三重注意力残差网络

不平衡轴承诊断

通过树启发决策层实现分层推理，在不平衡数据集上稳健诊断。

Lingli, Cui · Dong, Zhilin · Xu, Hai · 赵德尊

Advanced Engineering Informatics 2024

参数信息

识别率

97.5 %

技术优势

决策可解释

通过树启发决策层对数据进行层次化推断，而不是黑箱输出。

不平衡数据稳健

在两个轴承数据集、三种不平衡比例下均保持高识别率，证明对类别不平衡不敏感。

特征提取更强

三重注意力机制增强残差网络，能更准确地捕捉关键信息。

应用场景

• 旋转机械故障诊断：识别轴承故障类型与严重程度，减少停机时间。
• 设备预测性维护：在不平衡数据下仍可靠，可提前预警故障。
• 工业物联网：模型可嵌入边缘设备，实现在线监测。
• 机器人关节诊断：分层决策可定位关节故障等级。
• 工业机器人状态监测：提供可解释决策，利于机器人维护决策。