近日，东北大学机械工程与自动化学院智能制造工程专业2022级本科生段易呈以第一作者在Expert Systems with Applications发表题为LSBT-Net:A lightweight framework for fault diagnosis of bearings based on an interpretable spatial-temporal model的学术论文。
Expert Systems with Application于1990年创刊，是Elsevier旗下的计算机科学和人工智能领域高影响力期刊，中国科学院一区Top期刊，JCR分区Q1。
据悉，在智能装备领域基于深度学习的智能诊断方法因其能够自适应地提取故障特征，成为了智能运维方向的研究热点。针对复杂耦合的故障诊断，由于故障特征间存在强耦合性与非线性关联，现有模型存在诊断精度低、计算复杂度较高、可解释性差的难题。
为解决以上难题，论文打破了传统“学习故障数据特征信息”的思维局限，创新性融合空间卷积模块与时间序列模块，构建了全新的LSBT-Net轻量化模型，实现绝缘轴承局部和全局高维故障特征信息提取，同时基于轻量化思想极大压缩了框架参数总量和所需计算资源，降低框架计算复杂度，此外，引入t-SNE算法，将模型每个模块的特征提取分类效果可视化以及通过Grad-CAM算法，准确定位关键诊断特征区段，揭示模型诊断机理。
图 论文中构建的LSBT-Net框架性能评估指标
