一种滚动轴承振动信号多模态故障分类方法

本发明公开了一种滚动轴承振动信号多模态故障分类方法，包括：采集滚动轴承的振动时序信号；将振动时序信号并行输入至时序分支网络和空间分支网络，时序分支网络通过一维卷积神经网络与双向门控循环单元提取信号的时序依赖特征；空间分支网络通过将振动时序信号转换为马尔可夫变换场图像，并利用二维卷积神经网络与基于窗口Transformer的视觉网络提取图像的空间结构特征；通过交叉模态注意力机制，对时序特征和空间特征进行双向交互与加权融合，得到融合特征；将融合特征输入至分类器，输出滚动轴承的故障分类结果。本发明解决了传统单模态故障诊断模型对复杂工况适应性不足、多模态特征融合不充分、模型结构冗余导致泛化能力弱等问题。