基于CNN-VIT模型的非接觸式機(jī)械密封多源故障狀態(tài)識別方法

摘要： 針對非接觸式機(jī)械密封多源故障信號頻率高、識別難和易受干擾的難題，搭建密封試驗臺，模擬4種典型故障工況和正常運行工況，布置聲發(fā)射(AE)測試系統(tǒng)測取10 000個特征樣本，將卷積神經(jīng)網(wǎng)絡(luò)(CNN)結(jié)構(gòu)與Vision Transformer模型相結(jié)合，并在CNN輸出數(shù)據(jù)中引入Patch概念構(gòu)建了一種改進(jìn)模型，隨后應(yīng)用于密封故障狀態(tài)識別，提出了一種新型的非接觸式機(jī)械密封狀態(tài)智能識別方... （共10頁）