Institutional Repository of Coll Elect & Informat Engn
自适应注意力LSTM-ResNet下的滚动轴承故障诊断 | |
姜健1; 魏小源2,3![]() | |
2024-04-17 | |
发表期刊 | 制造技术与机床
![]() |
ISSN | 1005-2402 |
页码 | 1-9 |
摘要 | 滚动轴承信号具有复杂性和非线性的特点,对特征提取和故障分类带来挑战。为解决上述问题,文章提出一种自适应注意力LSTM-Resnet(long short-term memory residual network)下的滚动轴承故障诊断方法。首先设计双向LSTM组特征提取模型,获取复杂运行条件下的滚动轴承特征;然后,提出自适应注意力LSTM-ResNet完成特征学习,并自适应调整模型中关键特征的权重;最后,采用GAP(global average pooling)方法结合Softmax模型缓解模型过拟合并完成故障分类。在数据集中完成滚动轴承故障分类,实验结果表明:文章方法的滚动轴承故障诊断准确率相对于SVD-ResNet方法和宽卷积模型更高,并且能在标记样本数量较少和噪声环境下均达到较高的检测准确率,具有更高的准确性和更强的鲁棒性。 |
关键词 | 机械设备 故障诊断 LSTM 权重 Softmax GAP |
URL | 查看原文 |
收录类别 | 北大核心 |
语种 | 中文 |
资助项目 | 国家自然科学基金青年科学基金项目(62101228);甘肃省科技重点研发项目(20YF3GA018) |
中图分类号 | TH133.33;TP18 |
原始文献类型 | 学术期刊 |
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/170648 |
专题 | 电气工程与信息工程学院 |
通讯作者 | 姜健 |
作者单位 | 1.绵阳职业技术学院; 2.兰州理工大学电气工程与信息工程学院; 3.甘肃省工业过程先进控制重点实验室 |
推荐引用方式 GB/T 7714 | 姜健,魏小源. 自适应注意力LSTM-ResNet下的滚动轴承故障诊断[J]. 制造技术与机床,2024:1-9. |
APA | 姜健,&魏小源.(2024).自适应注意力LSTM-ResNet下的滚动轴承故障诊断.制造技术与机床,1-9. |
MLA | 姜健,et al."自适应注意力LSTM-ResNet下的滚动轴承故障诊断".制造技术与机床 (2024):1-9. |
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 |
[姜健]的文章 |
[魏小源]的文章 |
百度学术 |
百度学术中相似的文章 |
[姜健]的文章 |
[魏小源]的文章 |
必应学术 |
必应学术中相似的文章 |
[姜健]的文章 |
[魏小源]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