基于双通道信息融合和VCC-FuseNet的电机滚动轴承故障诊断
何玉灵1
郑海1
代德瑞1
支佳贺1
王娜娜2
王晓龙1
1.华北电力大学 河北省电力机械装备健康维护与失效预防重点实验室,保定 071003;华北电力大学 电力机械装备先进制造与智能运维河北省工程研究中心,保定 0710032.滨州魏桥园区运营管理有限公司,滨州 256600
摘要：[目的]针对电机轴承故障诊断中振动与电流等多源信号协同利用不足、跨模态特征融合深度不够的问题,提出一种基于双通道跨模态注意力融合的故障诊断模型——振动-电流耦合融合网络(Vibration-Current-Coupled Fusion Network,VCC-FuseNet)模型.[方法]首先,将一维振动信号和三相电流信号分别重构为格拉姆角场差分图和融合型递归图,实现多源信息的二维图像化统一表达;其次,利用双通道ConvNeXt骨干网络提取深层故障特征,并在跨模态注意力融合模块中引入Transformer机制,实现特征深度交互;最后,在永磁同步发电机(Permanent Magnet Synchronous Generator,PMSG)试验台及变转速轴承数据集上进行验证.[结果]结 果 表 明,VCC-FuseNet模型在PMSG轴承故障诊断中的识别准确率达98.75%,在变转速数据集上达96.74%,相比单模态方法分别最高提升了8.39%和7.28%,验证了所提方法在电机轴承诊断中的优越性与鲁棒性.
关键词：滚动轴承故障诊断多源信号融合Transformer深度学习
分类号：TP183(自动化基础理论)
论文发表日期：2026-05-31
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：12( 105-116 )
英文信息