基于深度学习的轴承故障诊断模型研究

本文系统综述了基于深度学习的轴承故障诊断方法，重点分析了卷积神经网络（CNN）、循环神经网络 （RNN）、注意力机制及混合模型在该领域的应用，并提出一种融合一维卷积与多头自注意力机制的新型诊断模型 （1D-CNN-MHA）。在公开数据集CWRU上进行实验验证，结果表明所提模型在多种工况下均具有较高的诊断准确 率（平均达99.23%），优于传统机器学习方法及部分现有深度学习模型。最后，本文对当前研究存在的挑战及未来发 展方向进行了展望，为后续研究提供理论参考和技术路径。