摘要
本发明公开了一种基于GAF‑MMCNN的滚动轴承故障诊断方法，包括获取振动信号，得到轴承数据集；数据预处理，对多种轴承故障类型的一维原始数据进行采样，得到数据样本；采用GAF编码方法得到多种故障的二维图像，将轴承一维振动信号转换成二维特征图像，输入神经网络进行特征提取；构建卷积神经网络CNN模型；基于GAF图像和CNN结构，构建GAF‑MMCNN故障诊断模型；将图像输入到MMCNN故障诊断模型中输出分类结果。本发明设计的MMCNN模块集成了多尺度分支和多尺度级联结构，利用不同尺度的卷积核获得不同尺度的信息，融合浅层空间信息和深层语义信息，从振动信号中提取更多的特征；CFAM通道注意模块能够在网络模型训练过程中自适应地分配各个通道的权重，提高轴承故障诊断的准确率。
