基于改进堆叠式循环神经网络的轴承故障诊断

• 作者: 刘星辰 周奇才 沈鹤鸿 赵炯
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 轴承故障诊断 深度学习 循环神经网络 门控循环单元
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 机械、车辆与能源工程
• 页码范围: 1500-1507
• 页数: 8页
• 分类号: TP277
• 字数: 6204字
• 语种: 中文
• DOI: 10.11908/j.issn.0253-374x.2019.10.016

摘要

提出基于改进堆叠式循环神经网络的轴承故障诊断模型.利用深层网络极强的非线性拟合能力以及循环神经网络特有的沿时间通道传播的特点,通过门控循环单元解决堆叠式循环神经网络梯度消失的问题,实现对轴承健康状况的分类识别.利用美国凯斯西储大学轴承数据集进行了轴承故障诊断试验,同时将支持向量机、粒子群优化的支持向量机、人工神经网络、卷积神经网络AlexNet以及循环神经网络作为对比以检验所提模型的分类性能.结果表明,提出的模型能够对轴承故障进行有效诊断,并且具有一定的可靠性与泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周奇才	同济大学机械与能源工程学院	179	1412	19.0	28.0
2	赵炯	同济大学机械与能源工程学院	130	673	13.0	19.0
3	沈鹤鸿	同济大学机械与能源工程学院	7	42	5.0	6.0
4	刘星辰	同济大学机械与能源工程学院	4	30	3.0	4.0