基于注意力的多尺度卷积神经网络轴承故障诊断
针对传统方法在噪声环境下诊断精度低的问题，提出了一种多尺度卷积神经网络的滚动轴承故障诊断方法
首先，构建多尺度卷积提取不同尺度的故障特征，同时引入通道注意力自适应地选择包含故障特征的通道来提高模型的抗噪能力，抑制噪声干扰；此外，利用自适应大小的一维卷积调整不同尺度的特征通道权重，自适应融合不同尺度的特征，提高判别性特征提取能力；最后，通过凯斯西储大学开源滚动轴承数据集CWRU进行验证，证明了所提方法对有效性
参考文献：2023年吉林大学学报EI《基于注意力的多尺度卷积神经网络轴承故障诊断》
●数据预处理：支持1维原始数据
●网络模型：1DMACNN
●数据集：凯斯西储大学开源滚动轴承数据集CWRU、十分类
●网络框架：pytorch
●结果输出：损失曲线图、准确率曲线图、混淆矩阵、tsne图
●准确率：测试集100%
●使用对象：初学者
●代码保证：代码注释详细、即拿即可跑通
YID:32180757535296815
唱唱反调
