基于1-DCNN-LSTM的滚动轴承自适应故障诊断方法研究

• 作 者: 顾鑫 唐向红 陆见光 黎书文
• 机 构: 贵州大学现代制造技术教育部重点实验室,贵州大学机械工程学院,贵州大学公共大数据国家重点实验室,贵州理工学院机械工程学院
• 出 处: 机床与液压
• 发表日期: 2020年6期
• 关键词: 故障诊断 自适应 卷积神经网络 长短期记忆网络 滚动轴承 Fault diagnosisAdaptivelyConvolutional neutral netw
• 基金项目: 贵州省公共大数据重点实验室开放基金资助项目(2017BDKFJJ019),贵州大学引进人才基金资助项目(贵大人基合字(2016)13号),贵州省留学回国人员科技活动择优资助项目-优秀类项目(2018.0002),贵州省教育厅青年科技人才成长项目(黔教合KY字[2017]218),贵州省科技计划项目(黔科合平台人才[2017]5789-10)

针对滚动轴承故障振动信号的非线性和非平稳特征,提出了一种自适应的一维卷积神经网络(1-Dimensional Convolutional Neutral Networks,1-DCNN)和长短期记忆网络(Long Short-Term Memory,LSTM)融合的轴承故障诊断方法。首先,将原始一维振动信号通过有重叠取样的方式分别输入1-DCNN和LSTM两个通道,然后通过Concatenate层进行空间和时间维度上特征信息的融合,最后,通过Softmax分类器进行故障类别的分类输出。该方法可以直接从原始