基于AMCNN-BiGRU的滚动轴承故障诊断方法研究

摘要：

为克服传统滚动轴承故障诊断方法需要人工提取特征的缺点,提出一种基于注意力模块的卷积神经网络-双向门控循环单元的滚动轴承故障诊断方法.该方法利用下采样后的原始振动信号作为输入,通过具有两种不同核大小的并行卷积块从采样后的数据中提取特征,并使用注意力模块对提取的特征进行加权融合处理,最后将具有不同权重的特征输入到双向门控循环单元进行故障分类,从而实现端到端的诊断.为了理解所提出模型的诊断过程,对所学习的特征进行可视化,分析发现模型可以有效映射不同类型的故障.经试验表明,该模型使用下采样后的原始数据有效缩短了网络的训练时间,同时还可以保持100％的诊断准确率.

关键词：卷积神经网络、门控循环单元、注意力机制、轴承故障诊断、可视化

所属期刊栏目：42

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金;教育部新一代信息技术创新项目

在线出版日期：2023-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：71-80