基于S-L2UWE变换和SA-ConvNeXt的永磁同步直线电机导轨故障诊断

提出了一种基于SL(S-L2UWE)变换和SA-ConvNeXt模型相结合的故障诊断方法,以解决永磁同步直线电机导轨磨损、滚珠磨损和滚珠缺失等多类型故障精准识别诊断的问题。首先对采集的振动信号进行S变换处理,将一维时域信号转化成二维时频图像;利用L2UWE算法对S变换后的图像进行增强,实现故障时频图像颜色和形状的细节特征增强显示;将自注意力模块(self-attention,SA)引入到ConvNeXt模型中,从特征通道层面上统计图像的全局信息,使网络关注重点特征,提高模型分类精度。最终,基于SL变换和SA-ConvNeXt深度学习模型对于直线导轨故障的识别准确率高达93.8%,能准确识别导轨和滚珠磨损、缺失等故障。对比试验和鲁棒性试验,验证了本文所提方法的有效性和优越性。