抗噪诊断99%准确
通过由粗到细的振动-声学异构信号融合策略，该网络在强噪声环境下仍能保持高诊断精度，解决了单一时间或频率域融合在噪声下性能退化的问题。
鄢小安 · Jiang, Dong · 向玲 · Yadong, Xu · 王雨淋
Information Fusion 2024
采用双尺度时频注意力融合，在粗粒度融合基础上进行细粒度特征学习，即使在强噪声下也能提取有效故障特征，保证诊断性能。
充分利用振动和声学两种异构信号中的互补信息，避免单一传感器漏检特定故障，提升诊断全面性。
在两个平台的多感官振动-声学数据集上，诊断准确率超99%，且在高斯白噪声和彩色噪声下均优于现有融合方法，验证了方法的优越性。
在彩色噪声场景下，模型的五项集成宏平均性能指标均优于其他融合方法，表明对非白噪声干扰也有强鲁棒性。