基于MR-DCA的滚动轴承微弱故障诊断国家自然科学基金项目（51975210车轮磨耗诱发的高速列车轮轨滚动接触振动演变机理研究 ,52065022考虑多耦合关系和概率区间信息的高速列车故障驱动轴系混合不确定性量化研究)江西省自然科学基金项目（20202BABL204036基于广义多项式混沌的动车驱动齿轮箱轴系相关随机动力学与可靠性研究）

　　针对滚动轴承微弱故障难以识别的问题,提出了一种基于MR-DCA的滚动轴承故障诊断方法。利用最大相关峭度解卷积以及共振稀疏分解的方法对输入样本进行预处理,可以有效地滤除原信号中的噪声,突出故障冲击成分。将所获得的故障分量的二维时频图以及原始信号作为网络的训练样本,经两个特征学习模块后,使用注意力机制对输入特征进行筛选,通过权值重分配可以有效地提高模型计算效率和识别精度爱游戏官网。为了验证模型性能,使用某大学的滚动轴承微弱故障数据进行故障诊断分析,同时开展消融实验,对诊断模型的各个模块的有效性进行验证。结果表明,所提模型在进行滚动轴承微弱故障诊断时可以实现的良好的诊断性能。