基于自适应多尺度小波核编码与注意力增强的脉冲神经网络机械故障诊断(Pytorch)首先从西储大学标准轴承数据集加载四种工况的振动信号,包括正常状态和滚珠、内圈、外圈三种典型故障类型,对原始信号进行标准化处理和滑动窗口分段,形成标准化样本序列。核心部分采用自适应多尺度小波核编码技术,通过24个可学习的小波核对输入信号进行多尺度时频特征提取,这些小波核的频率、尺度、相位和Q因子参数均在训练过程中自适应优化,能够自动捕捉最适合故障诊断的频带特征,同时计算信号的包络特征以增强特征表示能力。编码后的特征通过改进的积分-发放脉冲神经元转换为脉冲序列,模拟生物神经元的稀疏编码特性,脉冲神经元具有可学