关键词：故障诊断;旋转机械;格拉姆角场;小波卷积;可解释神经网络
摘 要：本文提出了一种新的融合格拉姆角场与小波变换的智能故障诊断网络（Gramian-WaveNet）。使用格拉姆角场，将一维故障信号数据变换为二维，展示其时序上的信息；设计了小波卷积层替代卷积神经网络的第一层，使模型能够学习振动信号中与故障相关的冲击分类；利用轴承数据集在不同工况下进行验证，结果表明所提方法可以有效提升故障诊断精度。并且通过理论与特征可视化方法证明Gramian-WaveNet是可解释的，且相同训练周期下训练时间更短。
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