变负载工况下滚动轴承故障分类识别方法研究 |
| |
引用本文: | 尹博文,任彬,郝如江,张建超.变负载工况下滚动轴承故障分类识别方法研究[J].石家庄铁道大学学报(自然科学版),2023(3):105-111. |
| |
作者姓名: | 尹博文 任彬 郝如江 张建超 |
| |
作者单位: | 石家庄铁道大学机械工程学院 |
| |
基金项目: | 国家自然科学基金重点项目(12032017);;国家自然基金面上项目(11872256); |
| |
摘 要: | 针对变负载工况下单尺度CNN提取滚动轴承健康状态特征不充分的问题,提出了一种DSCNN-BiLSTM诊断模型。该模型基于粗粒度化和平均池化层的理论基础,通过双尺度卷积神经网络结合双向长短时记忆网络,对滚动轴承振动信号进行空间维度特征和时间序列特征的提取,实现端对端的滚动轴承故障诊断。通过设置2种不同变负载工况实验,采用DSCNN-BiLSTM模型进行滚动轴承故障特征提取,平均准确率分别达到了97.55%和98.07%,有效提高了在变负载工况下的滚动轴承故障诊断准确率,为滚动轴承健康状态识别提供了关键技术。
|
关 键 词: | 双尺度卷积神经网络 双向长短时记忆网络 变负载工况 滚动轴承故障诊断 |
|
|