10.19950/j.cnki.cn61-1121/th.2022.03.016
基于多尺度CNN-BiLSTM的轴承故障诊断
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.
轴承、故障诊断、多尺度卷积神经网络、双向长短时记忆网络
TH165+.3;TH133.33
国家重点研发计划2018YFB1700200
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
75-78,84