关键词：机械信号;故障分类;短时傅里叶变换(STFT);自注意力机制;多层感知机(MLP)
摘 要：提出一种基于机械振动信号分析的轴承故障分类方法。首先，通过对机械振动信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT），提取时频域特征向量；其次，利用自注意力机制增强的多层感知机（Multi-Layer Perceptron,MLP）模型进行轴承故障分类，该模型能够有效捕捉特征间的依赖关系，从而提高分类精度；最后，采用PRONOSTIA轴承数据集进行模型训练和测试。实验结果表明，该方法在正常状态和磨损故障的识别上具有出色的表现，尽管裂纹故障的检测精度略逊一筹，但总体准确率仍达到0.93。
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