基于增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷

摘要： 針對(duì)現(xiàn)有深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)進(jìn)行故障特征提取時(shí)存在全局特征描述能力不足以及提取特征時(shí)注意圖權(quán)重系數(shù)選取上不明確的問題，提出一種特征增強(qiáng)的深度強(qiáng)化學(xué)習(xí)滾動(dòng)軸承故障診斷方法。該方法首先將雙通道注意力模塊(Convolutional Block Attention Module, CBAM)嵌入到CNN中，提取更為重...