时空神经网络滚动轴承故障诊断方法

• 作者: 刘春晓 刘秀丽 许宝杰
• 来源期刊: 中国设备工程
• 学科: 工学
• 关键词: 时空神经网络 深度残差网络 滚动轴承 故障诊断
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 智能检测与诊断
• 页码范围: 147-149
• 页数: 3页
• 分类号: TH165+.3|TH133.33
• 字数: 2059字
• 语种: 中文

摘要

深度神经网络在故障诊断领域已有一定应用,为了进一步提高其诊断效率和准确率,本文提出了一种基于时空神经网络的滚动轴承故障诊断方法:该方法使用卷积神经网络(Convolution?neural?network,CNN)框架,借用深度残差网络(Residual?neural?network,ResNet)的网络并联法,并联CNN卷积层和循环神经网络(Recurrent?neural?network,RNN)的LSTM层,构建新的时空神经网络,对传感器采集的信号进行特征提取.该网络同时具备对空间域的强大学习能力和时域信号的学习能力,并且在每一层中权值共享,这使得时空神经网络参数数量较低,从而极大地避免了过拟合现象的产生,也降低了系统所占用的内存,可以高效地提取故障特征,从而提高诊断的准确率.试验结果表明:该方法比单个网络的诊断正确率提高了1.01个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许宝杰		41	173	8.0	12.0
2	刘春晓		4	23	2.0	4.0
3	刘秀丽		21	81	4.0	8.0