一种基于双分支注意力与可分离膨胀卷积的旋转机械故障智能诊断方法

本发明公开了一种基于双分支注意力与可分离膨胀卷积的旋转机械故障智能诊断方法，包括：采集旋转机械在不同转速、载荷及环境条件下的一维振动或电流信号，并划分训练集和测试集；然后构建由深度可分离卷积与膨胀卷积组成的多尺度特征提取网络；设计局部—全局双分支注意力机制，局部分支通过窗口掩码强化细粒度故障模式，全局分支利用稀疏采样建模长时依赖；通过轻量化门控网络对两分支输出进行自适应融合，动态平衡局部与全局特征；最后将融合特征输入轻量化分类网络，经全局平均池化与全连接映射输出旋转机械的健康状态或故障类别。实验表明，相比传统单尺度卷积网络，该方法在多工况和强噪声条件下的诊断精度明显提高。