基于卷积残差共享权值LSTM的旋转机械故障诊断

摘要：

为有效提取振动信号中隐含的故障特征,以准确判别机械故障类型,提出一种基于卷积残差权值共享长短时记忆神经网络(Conv-Res-SWLSTM)的故障诊断模型.利用卷积网络来捕获振动信号的局部空间特征;通过融合门结构构建共享权值长短时记忆神经网络(SWLSTM),减少网络需要优化的参数及训练时间,进而更高效地发掘上层网络输出信号中隐含的时间特征.同时,引入缩放指数线性单元函数以提升网络自归一化性能,并嵌入残差模块以增强网络对故障特征的感知及提取能力.最后,基于机械故障实测数据集开展对比实验,结果表明所提模型在 4 种转速下的平均诊断精度达到99.30%,相对于其他模型具有更优的诊断精度和稳定性.

关键词：旋转机械、故障诊断、卷积、残差、LSTM

所属期刊栏目：51

分类号：TB533:TH165(声学工程)

资助基金：湖北省水电机械设计与维修重点实验室开放基金项目2017KJX06

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：215-221