vision transformer轴承故障诊断

论文中介绍了一种使用多尺度卷积融合的一维视觉Transformer（Vision Transformer，VIT）用于轴承故障诊断的方法。传统的轴承故障诊断方法通常使用各种特征提取方法对一维轴承信号进行处理，如HHT包络谱、FFT频谱、小波能量谱等，但这些方法得到的特征仍然是一维数据。该论文采用小波时频图将一维轴承信号转换为二维的时频图（具有三个通道，形如真彩图），然后将其作为VIT的输入来进行故障诊断分类。实验结果显示，该方法在测试集上达到了99.5%的精度。因此，vision transformer可以用于轴承故障诊断。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [一维信号轴承故障诊断：《用于轴承故障诊断的具有多尺度卷积融合的一维视觉Transformer》论文代码复现以及t...](https://blog.csdn.net/weixin_44782087/article/details/126447169)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [基于小波时频图与VIT vision transformer的轴承故障诊断](https://blog.csdn.net/qq_41043389/article/details/117083529)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]