Page 138 - 《振动工程学报》2025年第8期

1778 振 动 工 程 学 报 第 38 卷

构，如图 2（a）所示。其中第一种常见结构 MSA 对 高 低 ，同 时 在 相 同 训 练 样 本 条 件 下 测 试 所 提 Swin
时 频 图 包 含 的 所 有 像 素 均 进 行 了 复 杂 的 计 算 ， Transformer 模 型 的 优 越 性 ，采 用 上 述 模 型 进 行 滚
W‑MSA 结 构 将 时 频 图 按 照 4×4 大 小 划 分 成 不 同 动轴承故障诊断的流程图如图 4 所示。
的窗口，分别对每个窗口内部进行运算，能够显著
降低计算要求。SW‑MSA 结构与 W‑MSA 不同，该
结构可以利用局部卷积操作，利用滑动窗口扩大感
受 野 ，使 用 注 意 力 机 制 选 择 一 个 固 定 窗 口 进 行
计算 ［22］ 。
滑 动 窗 口 通 常 分 为 重 叠 窗 口 与 非 重 叠 窗 口 ，
图 2（a）中 ，窗 口 多 头 自 注 意 结 构 通 过 滑 窗 操 作 使

其由 4 个窗口变换成移位窗口多头自注意结构的 9
个窗口，但由于每个窗口内部进行自注意力均需要
进行大量计算，为了减少计算要求，采用图 2（b）中
的移位配置批量计算，将不同窗口进行组合，使之
窗口计算量相同，通过使用 MSA 对大小相同的组
合窗口进行自注意力计算，并将计算数据转移至最
初的窗口 ［23］ 。

图 3 试验流程及目的
Fig. 3 Experimental flow and purpose

图 2 滑动窗口运算过程
Fig. 2 Sliding window arithmetic process

所提模型架构详细配置参数如表 1 所示。
表 1 Swin Transformer 模型参数
图 4 本文轴承故障诊断流程图
Tab. 1 Parameters of Swin Transformer model
Fig. 4 Flow chart of bearing fault diagnosis in this paper
超参数 处理
图像尺寸 224×224
移位窗口大小 7×7 2 LSGAN-Swin-T 故障诊断实例 1
下采样比率 2、4、8、16
隐层通道数 96、192、384、768
头部数量 3、6、12、24 2. 1 试验数据描述
模块数量 2、2、6、2
试验数据来自美国凯斯西储大学（CWRU）轴

采 用 LSGAN‑Swin Transformer 模 型 按 照 图 3 承数据中心公开的轴承数据集 ［24］ 。采用 12 kHz 采
所 示 的 试 验 步 骤 分 别 验 证 LSGAN 扩 充 不 均 衡 数 样频率下的驱动端轴承数据，通过电火花加工凹槽
据集的可行性及小样本条件下其生成样本质量的 的方式，得到 4 种不同的轴承故障状态：正常（N）、