长短时记忆网络在电机故障诊断中的应用研究

• 作者: 房理想 王惠中 贺珂珂
• 来源期刊: 自动化仪表
• 学科: 工学
• 关键词: 电机故障诊断 梯度消失 传统神经网络 长短时记忆神经网络 堆栈稀疏自编码器 Softmax多分类器 泛化能力 时间序列
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 智能控制技术及应用
• 页码范围: 6-10
• 页数: 5页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.16086/j.cnki.issn1000-0380.2018070048

摘要

针对电机故障诊断采用传统神经网络存在的梯度消失等问题,提出了一种长短时记忆(LSTM)神经网络与Softmax多分类器结合的诊断方法.首先,利用LSTM神经网络在提取时间序列特征方面的良好特性,通过LSTM神经网络与Softmax多分类器构建故障诊断模型.然后,通过Tensorflow学习框架有效提取故障数据特征,并将具有强泛化能力和鲁棒性的Softmax多分类器对其分类,从而诊断出电机内圈、外圈和滚珠三种常见故障,提高诊断结果的准确率,改善传统方法存在的不足.最后,仿真验证所提方法的有效性与可行性.与传统神经网络和堆栈稀疏自编码器分类结果相比,采用LSTM神经网络诊断方法其准确率达到98.3％,在电机故障诊断中具有更好的诊断效果,且对提高故障诊断的准确率有一定的作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王惠中		70	337	9.0	15.0
2	房理想		4	4	2.0	2.0
3	贺珂珂		5	5	2.0	2.0