10.3969/j.issn.1672-1497.2018.02.014
基于双层长短时记忆网络的齿轮故障诊断方法
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.
齿轮、故障诊断、双层长短时记忆(BiLSTM)网络、深度学习
32
TP206+.3;TH132.4(自动化技术及设备)
军队科研计划项目
2018-08-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
81-85