改进的CNN-LSTM轴承故障诊断方法

作者：汪友明; 程琳

来源：西安邮电大学学报, 2021, 26(01): 97-103.

DOI：10.13682/j.issn.2095-6533.2021.01.015

• 卷积神经网络
• 长短时记忆网络
• 故障诊断
• 特征提取

为了克服卷积神经网络(Convolutional Neural Network, CNN)轴承故障诊断方法特征提取过程困难以及难以捕获时间序列数据之间的长期依赖关系的问题,提出一种改进的卷积-长短时记忆网络(Convolutional Neural Network-Long and Short Term Memory, CNN-LSTM)滚动轴承故障诊断方法。将二维轴承加速度振动信号输入CNN提取局部特征,再将轴承特征信息加载到LSTM长期记忆单元中,引入遗忘机制提取时序数据的全局特征。利用轴承振动信号的局部深层特征和全局时序特征,学习不同区间长度的序列特征,从而提高故障诊断精度。实验结果表明,该方法可用于轴承故障诊断,且具有较高的分类精度和较强的稳定性。

• 出版日期2021
• 单位自动化学院; 西安邮电大学