当前位置: 国联资源网 > 专家库 > 包装印刷专家观点 > 基于空洞卷积神经网络与注意力机制GRU的滚动轴承故障诊断

基于空洞卷积神经网络与注意力机制GRU的滚动轴承故障诊断

作者: 设备医生官方号 时间:2023-05-26浏览:663
针对传统故障诊断方法需要人工提取特征的不足,以及大数据下滚动轴承故障振动信号自适应特 征提取与智能诊断问题,本文利用空洞卷积神经网络(DCNN)可以在不增加计算量的基础上兼顾不同尺度的 空间特征的能力和门控循环单元(GRU)善于从动态变化的序列数据中学习到时间上的关联性的能力,提出 了一种DCNN、注意力机制和 GRU的多路径融合的端到端故障诊断方法。首先利用DCNN从原始数据中自 动提取时序信号特征;然后将注意力机制的GRU通路和DCNN通路进行融合;最后根据提取到的特征融合 之后送入分类层进行分类。实验结果表明,所提方法的诊断准确率平均为98.75%,高于比较方法,更加适 用于滚动轴承故障诊断。
推荐阅读

专家介绍

国联资源网专家库聚焦业内4557位拥有丰富实战经验的专家,发布各行业前沿技术,各行业设备操作指南,分享成功经验,专家讲座风采,研究成果以及获奖情况等相关内容,为行业人士提供一个专业的观点交流平台,推动行业快速、有序的发展。

包装印刷专家观点

公众号

小程序

在线客服