基于Vision Transformer-BiGRU并行网络的变速箱故障诊断方法

《Scientific Reports》：A gearbox fault diagnosis method based on Vision Transformer-BiGRU parallel network

　　

摘要

传统的故障诊断方法采用单模态特征提取，存在故障信息丢失、故障状态表示有限以及故障识别率低等问题。本文提出了一种基于视觉变换器（Vision Transformer）与双向门控循环单元（BiGRU）并行网络的多模态齿轮箱故障诊断方法。首先，利用短时傅里叶变换（STFT）将收集的一维振动信号转换为包含时域和频域特征的故障时频模式样本。其次，结合视觉变换器和BiGRU的思想，设计了一个双分支并行网络：第一分支使用视觉变换器网络提取时频图像特征，第二分支使用BiGRU网络从振动信号中提取时间特征。随后，将时频图像特征和时间特征融合在一起。最后，通过Softmax分类器根据融合后的特征对不同故障进行分类。为了验证该方法的有效性，使用齿轮箱动力传输综合试验台的数据集进行了实验，并与其他智能诊断方法进行了对比。结果表明，该方法具有最高的故障识别率，平均诊断准确率为99.69%，证明了其可行性。本研究对齿轮箱的智能诊断和实际应用具有重要的研究意义。