基于云模型与LSTM算法的旋转机械故障诊断研究

针对旋转机械故障率偏高，而人工参与故障诊断工作量大、效率偏低等问题，提出一种基于云模型与LSTM算法的旋转机械故障诊断方法。采用实验台采集振动故障原始数据，统一进行EEMD数据预处理，利用云模型进行故障特征数据提取，输入LSTM神经网络模型进行故障诊断。通过云模型和能量法进行特征提取，分别输入支持向量机和LSTM神经网络模型进行诊断结果对比。结果表明：云模型与LSTM算法的故障诊断准确率最高，达到98.75%，证明该方法能够有效应用在旋转机械故障诊断中。