关键词：故障诊断;旋转机械;Transformer;卷积神经网络
摘 要：由于恶劣的运行条件和高负荷要求，旋转机械故障可能导致高昂的维护成本和不必要的停机时间。有必要开发一个高效、准确的旋转机械故障在线诊断和预测系统，帮助企业快速识别故障，预测未来事件，优化维修计划。构造状态矩阵表示旋转机械产生的振动信号，即将一个连续时间序列划分为多个窗口，并将每个窗口转换为一个图像。由特定结构的串联编解码器提取并处理图像特征，用于分类训练数据集中的振动模式。通过仿真实验验证了基于自注意力编解码结构的旋转机械故障在线诊断和预测系统的可靠性和有效性，构建的旋转机械状态特征库可以准确诊断和预测旋转机械的故障。研究表明，该系统可以帮助企业优化维护计划，减少停机时间和维护成本。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取