基于LSTM-CNN的双路径滚动轴承故障诊断

PDF(811 KB)

沈阳理工大学学报 ›› 2024, Vol. 43 ›› Issue (01) : 44-49.

景斯桐, 吴东升

作者信息 +

History +

摘要

针对轴承故障诊断中特征提取对人工依赖性强、特征提取不准确、对振动信号中的时间信息不敏感的问题，提出一种基于长短时记忆网络(LSTM)和卷积神经网络(CNN)结合的双路径递归神经网络方法，该方法对振动等原始信号进行处理，捕获时间序列数据中的远距离依赖关系，并引入注意力机制，抑制输入信号的高频噪声，使模型关注关键信息，提高模型训练效率。在凯斯西储大学轴承故障数据集上的实验结果表明，该方法能有效提升轴承故障识别率，具有良好的故障分类能力。