基于双层长短时记忆网络的齿轮故障诊断方法

摘要：

为了提高齿轮故障诊断准确率,解决齿轮故障诊断中数据量大、提取特征困难等问题,构建了齿轮故障诊断系统,采用深度学习方法建立了齿轮故障诊断模型,提出一种基于双层长短时记忆(Binary Long Short Term Memory,BiLSTM)网络的故障诊断方法,并对该方法进行了性能分析和对比实验.结果表明:采用BiLSTM网络方法进行齿轮故障诊断的准确率达到99.76％,分类效果优于支持向量机、XgBoost、卷积神经网络和长短时记忆(LSTM)网络等方法,有效地提高了故障诊断精度.

关键词：齿轮、故障诊断、双层长短时记忆(BiLSTM)网络、深度学习

所属期刊栏目：32

分类号：TP206+.3;TH132.4(自动化技术及设备)

资助基金：军队科研计划项目

在线出版日期：2018-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：81-85