关键词：旋转机械;故障诊断;连续小波变换;注意力机制;迁移学习
摘 要：旋转机械故障诊断在工业领域具有重要意义。本研究提出了一种基于坐标注意力机制与迁移学习的旋转机械故障诊断方法。为了捕捉旋转机械的故障信号在时频域的特征，运用连续小波变换将原始信号转换为小波时频图。然后，引入基于坐标注意力机制的模型，该机制能够自适应地学习不同位置的特征权重，提升了故障特征的辨别能力。通过在预训练阶段和微调阶段对网络进行训练，实现了模型在不同工况下的迁移学习，提高了模型的泛化能力。实验结果表明，该方法在旋转机械故障诊断中取得了显著的性能提升。相较于传统故障诊断方法，基于坐标注意力机制的模型在故障识别准确率方面取得了明显的提高。同时，通过迁移学习，该模型在不同工况下均表现出较好的性能，证明了其泛化能力和适应性。
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