基于swintransformer与无监督学习的滚动轴承故障诊断方法

为了能在仅有健康状态数据条件下进行故障诊断,构建一种优化的swin transformer深度神经网络架构,对健康数据的特征进行提取并重构,提出一种滚动轴承故障诊断的无监督学习方法。与自编码器、深度编码器、卷积自编码器及稀疏自编码器进行对比,准确率分别为98.62%、76.46%、68.69%、77.69%、68.00%,与对比网络相比准确率提升20%以上。