10.3969/j.issn.2095-2783.2018.10.008
基于RS-LSTM的滚动轴承故障识别
针对滚动轴承不同故障位置、不同损伤程度的振动加速度信号的智能分类,提出一种基于随机搜索与长短时记忆(long short term memory,LSTM)神经网络的滚动轴承故障状态识别算法.该算法直接利用原始数据作为非线性输入,避免因人工提取特征值造成的原始信息缺失;使用LSTM与深度神经网络的混合网络提高模型性能;引入随机搜索算法自动优化超参数得到最优的网络配置;使用不同量纲、不同来源、不同损伤结构的两类数据集对模型进行试验验证.试验结果表明,在两类单一数据集及随机混合数据集均可达到99.8%以上的诊断准确度,表明本算法具有较高的泛化能力和鲁棒性.与BP、支持向量机、粒子群算法最小二乘支持向量机、LSSVM、浅层LSTM等方法在同等试验条件下的诊断结果进行比较,本文算法具有更高的识别准确度.
机械制造及其自动化、故障诊断、滚动轴承、长短时记忆神经网络、随机搜索
13
TH133.3
国家重点研发计划专项2016YFB1200401;国家自然科学基金高铁联合基金重点支持项目U1234208
2018-11-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
1134-1141