科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对旋转机械滚动轴承的故障振动信号具有时序性的特点，提出了改进LSTM的滚动轴承故障诊断方法。首先利用卷积神经网络（CNN）对振动信号进行局部特征提取，然后通过长短期记忆神经网络（LSTM）获取振动信号时间维度上的特征，使得CNN提取的信号特征经过LSTM处理后更加具有时间依赖性，最后运用Softmax分类器输出故障状态类型。并且对改进LSTM模型、CNN模型和原LSTM模型进行了泛化性能和抗噪性对比。实验表明：改进LSTM模型比CNN模型和原LSTM模型更能有效的识别滚动轴承的十种故障类型，泛化性和抗噪性均优于CNN模型和原LSTM模型。
- 出版日期2022
- 单位沈阳化工大学
