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: 刘晓锋 姚美常 金余丰 黄凤良
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 残差网络 注意力机制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 919-925
• 页数: 7页
• 分类号: TP277
• 字数: 4099字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190166

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄凤良	南京师范大学电气与自动化工程学院	38	368	10.0	18.0
2	刘晓锋		9	13	2.0	3.0
3	金余丰	南京师范大学电气与自动化工程学院	3	0	0.0	0.0
4	姚美常		2	0	0.0	0.0