على الرغم من التقدّم في الشبكات العصبية الالتفافية (CNNs) لتشخيص الأعطال الذكي في أدوات CNC، يبقى تشخيص أعطال المحامل في أنظمة تغذية CNC تحديًا، خاصة في استخراج الميزات متعددة المقاييس والتعميم عبر ظروف التشغيل. تقدم هذه الدراسة شبكة ميزات متعددة المقاييس محسنة (MSFN) تعالج هذه القيود من خلال ثلاثة وحدات متكاملة مصممة لاستخراج ميزات الأعطال الحرجة من إشارات الاهتزاز. أولًا، تشكل وحدة إزالة الضوضاء ناعمة المقياس (S2D) العمود الفقري لشبكة MSFN، حيث تلتقط ميزات الأعطال متعددة المقاييس من الإشارات المدخلة. ثانيًا، تم تطوير وحدة تعزيز الميزات التكيفية متعددة المقاييس (MS-AFE) المعتمدة على آليات وزنية ذات مدى طويل لتعزيز استخراج ميزات الأعطال الدورية. ثالثًا، تم إدماج وحدة الانتباه الديناميكية للتسلسل والقناة (DSCA) لتحسين تمثيل الميزات عبر أبعاد القناة والتسلسل. تظهر النتائج التجريبية على مجموعتين من البيانات أن شبكة MSFN المقترحة تحقق دقة تشخيص عالية وتظهر تعميمًا قويًا عبر ظروف التشغيل المتنوعة. علاوة على ذلك، تؤكد دراسات الاستبعاد فعالية ومساهمات كل وحدة.
درس Zhang وآخرون (الثلاثاء) هذا السؤال.