残差网络和注意力机制相结合的滚动轴承故障诊断模型 |
| |
作者姓名: | 金余丰 姚美常 刘晓锋 黄凤良 |
| |
作者单位: | 南京师范大学电气与自动化工程学院,南京210046;南京方一测控科技有限公司,南京211102;江苏方天电力技术有限公司,南京211106 |
| |
基金项目: | 江苏省电力公司科技项目 |
| |
摘 要: | 针对轴承故障诊断过程中存在的特征提取复杂、分类器训练困难等问题,提出了一种基于残差网络和注意力机制相结合的滚动轴承故障诊断模型。该模型以滚动轴承的一维振动时序信号作为输入,通过残差网络完成特征提取,然后经带有注意力机制的双向长短记忆神经网络单元,实现特征在时序上的表达并赋予不同的权重,输出到分类器完成端到端的振动信号分类,完成滚动轴承故障的诊断。实验表明,该模型的诊断准确率可达99.86%以上,对各故障类别的诊断率均在99%以上,提取的特征信息区分度高;模型诊断准确率优于基于特征工程的诊断模型,稳定性优于其他基于深度学习的诊断模型。
|
关 键 词: | 滚动轴承 故障诊断 残差网络 注意力机制 |
本文献已被 CNKI 万方数据 等数据库收录! |
|