基于SEEGST和改进Swin Transformer的柴油机智能故障诊断方法

《Processes》：Diesel Engine Intelligent Fault Diagnosis Based on Synchro Extracting Enhanced Generalized S-Transform and Improved Swin Transformer

　　

摘要

为了解决无关信息干扰微弱故障特征，导致不同故障类型之间的边界难以清晰划分，从而影响故障诊断精度的问题，本文提出了一种基于同步提取增强广义S变换（SEEGST）和改进Swin Transformer的柴油机智能故障诊断方法。通过SEEGST方法对原始信号进行处理，将采集到的振动信号转换为时频谱，全面揭示原始信号中包含的特征信息；提出了一种改进的Swin Transformer模型，在每个级联的Swin Transformer块之前插入局部增强感知模块，并用k近邻（k-NN）注意力机制替换基于窗口的多头自注意力（W-MSA）和移位窗口多头自注意力（SW-MSA）模块；同时，用多尺度通道注意力机制模块替换每个Swin Transformer阶段输出端Swin Transformer块中的多层感知机（MLP）模块，以解决现有模型中特征融合推理缓慢及上下文特征信息交互不足等问题；通过使用所提出的模型提取并训练时频图像特征，实现了柴油机故障诊断。案例研究和对比分析表明，所提出的方法能够准确、智能地定位柴油机故障。