|
|||||
|
|
| 基于注意力机制的双向门控循环单元网络齿轮故障识别系统 | |
| 作者姓名： | 冯贤洋 何荇兮 符礼丹 陆彬春 陈鸣辉 |
| 摘 要： | 提出一种基于注意力机制 （Attention Mechanism，AM） 的双向门控循环神经网络模型的齿轮故障识别系统。使用基于 STM32 的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等 3 种故障齿轮工作时的振动传感器数据，使用基于注意力机制的双向门控循环单元网络模型进行齿轮故障识别。双向门控循环神经网络模型添加了注意力机制，保留输入特征的重要信息，不随步长增加而消失。将采集到的原始数据集按7∶2∶1的比例划分为训练集、验证集和测试集。测试集模型的齿轮故障识别准确率达到了99.67%，与GRU和Bi-GRU等模型的结果对比证明该模型的正确率更高。本系统可用于汽车变速器的监测与故障诊断。 |
| 关 键 词： | 嵌入式 齿轮故障识别 双向门控网络 注意力机制 |
Gear Fault Detection System Based on Bi-GRU-AM Neural Network |
|
| Authors: | FENG Xianyang HE Xingxi FU Lidan LU Binchun CHEN Minghui |
| Abstract: | |
| Keywords: | embedded gear failure recognition bi-directional gated recurrent neural network attention mechanism |
| 点击此处可从《》浏览原始摘要信息 | |
| 点击此处可从《》下载免费的PDF全文 | |