Institutional Repository of Coll Elect & Informat Engn
基于深度LSTM残差网络的旋转机械故障诊断研究 | |
徐敏1; 王平2 | |
2023-02-28 | |
发表期刊 | 机床与液压 |
ISSN | 1001-3881 |
卷号 | 51期号:04页码:184-190 |
摘要 | 伴随制造加工业对可靠度与精准度的需求不断提升,及时而有效地获取旋转机械的故障信息能够保证设备的正常运行。采用深度LSTM残差网络完成旋转机械的故障诊断,主要包含3个模块:初始数据处理层、SP-LSTM残差网络信号诊断层与GAP-ELM网络下的故障分类层。该方法能够完成初始数据的深层特征发掘,利用LSTM元中的记忆与遗忘门获取故障数据的细微变化。所采用的GAP-ELM网络可规避传统Softmax方法分类准确度不高的问题,从而有效完成故障诊断。通过CWRU集完成该方法与文献方法的实验对比,结果表明该方法的鲁棒性较好,诊断正常信号、滚动体与内外圈的故障信号准确率均优于文献方法,此外,所提方法可在较少的epoch中实现稳定,并随着epoch的增加,损失值会逐渐减小。 |
关键词 | 旋转机械 残差网络 故障诊断 LSTM元 鲁棒性 |
URL | 查看原文 |
收录类别 | 北大核心 |
语种 | 中文 |
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/161409 |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.重庆工业职业技术学院机械工程与自动化学院; 2.兰州理工大学电气工程与信息工程学院 |
推荐引用方式 GB/T 7714 | 徐敏,王平. 基于深度LSTM残差网络的旋转机械故障诊断研究[J]. 机床与液压,2023,51(04):184-190. |
APA | 徐敏,&王平.(2023).基于深度LSTM残差网络的旋转机械故障诊断研究.机床与液压,51(04),184-190. |
MLA | 徐敏,et al."基于深度LSTM残差网络的旋转机械故障诊断研究".机床与液压 51.04(2023):184-190. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[徐敏]的文章 |
[王平]的文章 |
百度学术 |
百度学术中相似的文章 |
[徐敏]的文章 |
[王平]的文章 |
必应学术 |
必应学术中相似的文章 |
[徐敏]的文章 |
[王平]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论