一种基于多基小波融合的自适应轴承故障诊断方法

本发明提供一种基于多基小波融合的自适应轴承故障诊断方法。旨在解决噪声工况下降噪、特征提取不足和诊断精度低的问题。以凯斯西储大学轴承公开数据集为原始数据，叠加不同SNR的高斯噪声模拟多种噪声强度。统一进行长度对齐、下采样、等长分割、划分与归一化预处理。随后，采用sym4、db4、coif5等小波基并行多尺度分解与重构；依据噪声水平自适应确定分解层数、阈值策略，生成去噪分支。各分支去噪结果加权融合，并对残差迭代去噪。将降噪处理的信号送入双分支卷积‑循环‑注意力网络，卷积层提取特征、LSTM和自注意力模块捕捉时序变化，实现多类轴承故障的精准识别。训练采用分段衰减学习率和早停策略，提高不同SNR工况的鲁棒性与泛化能力。