一种基于Transformer模型的轴承早期异常检测方法

本发明提供了一种基于Transformer模型的轴承早期异常检测方法，包括：数据集准备，所述数据集来源于实验室状态下轴承水平方向和垂直方向加速度传感器采集到的轴承时序振动信号；数据预处理；搭建基于Transformer的回归网络，所述回归网络包括嵌入层、位置编码层、自注意力机制、全连接前馈神经网络层、Transformer编码器层和解码层；基于无监督方法的轴承早期异常检测，包括：利用训练集训练Transformer网络，得到异常检测模型；基于重构误差分布，筛选出异常检测模型的阈值；利用滑动窗口方法，检测异常值。本发明通过无监督学习，仅依赖于正常状态的正例样本，解决了样本不足的问题。