基于多尺度CNN-BiLSTM的轴承故障诊断

摘要：

针对传统故障诊断方法提取特征不丰富、未充分利用时序特征的问题,提出了一种基于多尺度CNN和BiLSTM融合的滚动轴承故障诊断方法.首先设计多尺度CNN模型进行多尺度特征信息的提取;其次设计BiLSTM模型进行提取特征前后之间的内部关系;最后通过全连接层构建了特征信息与故障类型的映射,通过softmax分类器输出故障诊断结果.以准确率为评价指标,该方法在多负载场景下诊断准确率为99.2％,在变负载场景下诊断平均准确率为89.6％.实验结果表明,该方法具有良好的自适应工况的能力.

关键词：轴承、故障诊断、多尺度卷积神经网络、双向长短时记忆网络

分类号：TH165+.3;TH133.33

资助基金：国家重点研发计划2018YFB1700200

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：75-78,84