标题：基于改进的CNN-Transformer结构的轴承故障诊断方法研究
作者：徐皓康 顾煜炯
作者单位：华北电力大学，北京 102206
关键字：故障诊断；卷积神经网络；Transformer；深度学习
摘要：为提升工业滚动轴承在复杂工况下的故障识别精度，提出一种基于改进的卷积神经网络（CNN）与Transformer相结合的轴承故障诊断方法。该方法利用CNN提取振动信号的局部空间特征，并通过Transformer结构建模时间序列间的全局依赖关系，实现对关键故障特征的深层挖掘。以CWRU公开轴承数据集为实验对象，与传统CNN、LSTM和CNN-GRU模型进行对比。实验结果表明，所提CNN-Transformer模型具有更高的故障识别准确率，实现了对轴承故障的有效分类，具备相当的可靠性，适用于工业环境中滚动轴承的故障检测。