基于时序关联分析的旋转机械故障诊断

摘要：

随着大型旋转机械设备的广泛应用,高速旋转机械的故障诊断得到越来越多的关注.旋转机械的周期旋转特性导致信号间存在很强的时序关联关系,当故障发生时,故障特性会在旋转周期间逐渐传递.该研究分析滚动轴承不同类型故障、不同损伤程度振动信号时序相关特性的差异度,提出了周期记忆神经网络(periodization long short-term memory,P-LSTM)故障诊断方法.该方法首先提取旋转机械周期内数据特征,并利用记忆因子对特性在周期间的传递规律进行选择性遗忘,学习其周期间的时序相关特征,从而实现滚动轴承的故障诊断.最后利用滚动轴承多类故障数据对所提出方法进行性能分析和试验,验证了 P-LSTM方法学习旋转机械周期间的时序相关特性的有效性,以及进行故障诊断的准确度.

关键词：时序相关性、长短时记忆、滚动轴承、特征提取、故障诊断

所属期刊栏目：41

分类号：TH17

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：171-178