基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断

doi:10.13229/j.cnki.jdxbgxb20211031

	基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断
	陈晓雷 1,2,3; 孙永峰 1; 李策 1,2,3; 林冬梅 1,2,3
刊名	吉林大学学报(工学版)
	2022-02-09
卷号	52 期号:02 页码:296-309
关键词	故障诊断稳定抗噪声滚动轴承神经网络特征提取注意力机制
ISSN号	1671-5497
DOI	10.13229/j.cnki.jdxbgxb20211031
英文摘要	针对滚动轴承在噪声环境条件下故障诊断模型准确率较低和性能不稳定的问题,本文提出了一种稳定抗噪声故障诊断神经网络(SAFDNN)模型。该模型采用原始振动数据信号作为输入,首先使用卷积神经网络(CNN)进行数据信号特征提取,然后利用双向长短期记忆(BiLSTM)充分提取数据信号的序列特征,接着添加注意力机制进行特征融合以自动关注每种数据信号的相关信息,提高模型的诊断性能,最后通过全连接层和Softmax层进行特征分类。实验结果表明,SAFDNN在添加不同信噪比大小的额外噪声条件下能够保持较高的故障识别准确率和较好的诊断效果稳定性。
URL标识	查看原文
语种	中文
出版者	Editorial Board of Jilin University
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/155809]
专题	电气工程与信息工程学院
作者单位	1.兰州理工大学电气工程与信息工程学院; 2.兰州理工大学甘肃省工业过程先进控制重点实验室; 3.兰州理工大学电气与控制工程国家级实验教学示范中心
推荐引用方式 GB/T 7714	陈晓雷,孙永峰,李策,等. 基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断[J]. 吉林大学学报(工学版),2022,52(02):296-309.
APA	陈晓雷,孙永峰,李策,&林冬梅.(2022).基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断.吉林大学学报(工学版),52(02),296-309.
MLA	陈晓雷,et al."基于卷积神经网络和双向长短期记忆的稳定抗噪声滚动轴承故障诊断".吉林大学学报(工学版) 52.02(2022):296-309.