Python
实现基于小波时频图（
wtfp
）结合移位窗口视觉
Transformer
（ST）的轴承故障诊断方法的详细项目实例
项目背景介绍
滚动轴承是旋转机械中最常见、最关键的基础部件之一，广泛存在于电机、风机、泵组、压缩机、减速机、数控机床主轴、轨道交通牵引系统、风力发电机组、航空发动机传动机构等装备中。轴承承担支撑旋转部件、传递载荷、降低摩擦、维持轴系稳定等任务，其运行状态直接影响设备效率、使用寿命与生产安全。轴承内圈、外圈、滚动体、保持架发生磨损、点蚀、剥落、裂纹、润滑不良或装配偏心后，早期通常会产生微弱且间歇性的冲击振动。随着损伤加剧，冲击会通过轴承座、机壳、传动链和传感器安装结构传播，并在振动信号中表现出周期成分、边带结构、谐振调制特征及非平稳瞬态特征。
传统轴承故障诊断通常依赖时域统计指标、频域谱分析、包络解调、经验模态分解、时频分析以及人工特征工程。时域均方根、峰值、峭度、偏度、波形因子等指标计算速度较快，但容易受到工况变化、背景噪声和负载波动影响。频域分析能够揭示旋转频率、啮合频率、故障特征频率及其谐波，但当故障处于早期阶段时，故障频率可能被结构共振、环境噪声及多 ...