基于深度LSTM残差网络的旋转机械故障诊断研究

	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.