10.3969/j.issn.1001-2257.2021.10.001
基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断
针对行星齿轮箱故障信号成分复杂和时变性强的特点,提出了基于注意力机制的一维卷积神经网络(1D-CNN)行星齿轮箱故障诊断方法.首先,将行星齿轮箱各类故障状态的原始振动信号进行分段处理,作为模型的输入;其次,利用一维卷积神经网络对行星齿轮箱的原始振动信号学习齿轮故障特征,结合注意力机制(AM)对特征序列自适应的赋予不同的权重,增强故障特征信息;最后,利用Softmax分类器实现行星齿轮箱的故障诊断.通过故障实验验证以及与其他模型的对比,该故障诊断模型具有较强的学习能力,诊断性能优于其他的深度学习模型,有较好的工程实际意义.
行星齿轮箱;故障诊断;卷积神经网络;注意力机制
39
TH165.3;TP183
国家自然科学基金资助项目52065030;51875272
2021-11-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
3-8