基于长短期记忆网络的轴承故障识别

• 作者: 何荇兮 唐赛 尹爱军 张家悦
• 来源期刊: 汽车工程学报
• 学科: 工学
• 关键词: 轴承故障识别 长短期记忆网络 时间序列 自动提取特征
• 年，卷（期）: 2018,（4）
• 页码范围: 297-303
• 页数: 7页
• 分类号: TH17|TH133.3
• 字数: 5219字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1469.2018.04.09

摘要

提出一种基于长短期记忆网络的可以无需预先提取故障特征的轴承故障识别方法.原始的轴承故障振动信号被分成训练集和测试集,将训练集数据映射到线性网络层,通过长短期记忆网络训练参数,再输入到softmax网络层得到分类类别的概率分布,在训练迭代次数达到预设值并且识别准确率收敛之后,测试集数据采用训练好的参数得到分类结果,最后计算预测正确率.模型对含有内外圈和滚动体点蚀故障的轴承数据进行识别试验,结果表明该模型能够有效识别轴承的故障部位和故障程度,与预先提取小波包能量特征的长短期记忆网络模型和支持向量机模型的比较证明该模型识别正确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹爱军	重庆大学机械传动国家重点实验室	64	433	13.0	17.0
2	唐赛	重庆大学机械传动国家重点实验室	1	6	1.0	1.0
3	何荇兮	重庆大学机械传动国家重点实验室	1	6	1.0	1.0
4	张家悦	重庆大学机械传动国家重点实验室	1	6	1.0	1.0