改进LSTM滚动轴承故障诊断方法研究

简介

针对旋转机械滚动轴承的故障振动信号具有时序性的特点,提出了改进LSTM的滚动轴承故障诊断方法。首先利用卷积神经网络(CNN)对振动信号进行局部特征提取,然后通过长短期记忆神经网络(LSTM)获取振动信号时间维度上的特征,使得CNN提取的信号特征经过LSTM处理后更加具有时间依赖性,最后运用Softmax分类器输出故障状态类型。并且对改进LSTM模型、CNN模型和原LSTM模型进行了泛化性能和抗噪性对比。实验表明改进LSTM模型比CNN模型和原LSTM模型更能有效的识别滚动轴承的十种故障类型,泛化性和抗噪性均优于CNN模型和原LSTM模型。