基于注意力机制的滚动轴承故障诊断方法
针对传统故障诊断方法无法自适应选择特征以及难以应对负载变动、噪声干扰的问题,提出一种基于注意力机制的端对端故障诊断方法,通过卷积神经网络(CNN)对原始振动信号进行空间特征提取,基于双向长短时记忆网络(BiLSTM)提取时序特征,利用注意力机制判断 BiLSTM各时刻隐藏层状态的重要性并赋予相应的权重,对所有时刻的隐藏层状态进行加权求和,并以 Softmax 层作为分类器进行故障诊断.利用 VALENIAN-PT500 实验台采集的数据和公开数据进行实验验证,结果表明,所提方法诊断精度高、泛化性强,在变负载和噪声干扰条件下能保持良好的故障诊断性能.
轴承故障诊断、注意力机制、卷积神经网络、双向长短时记忆网络
29
TH133;TP183
2023-08-16(万方平台首次上网日期,不代表论文的发表时间)
共12页
2233-2244