科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着大型旋转机械设备的广泛应用，高速旋转机械的故障诊断得到越来越多的关注。旋转机械的周期旋转特性导致信号间存在很强的时序关联关系，当故障发生时，故障特性会在旋转周期间逐渐传递。该研究分析滚动轴承不同类型故障、不同损伤程度振动信号时序相关特性的差异度，提出了周期记忆神经网络(periodization long short-term memory, P-LSTM)故障诊断方法。该方法首先提取旋转机械周期内数据特征，并利用记忆因子对特性在周期间的传递规律进行选择性遗忘，学习其周期间的时序相关特征，从而实现滚动轴承的故障诊断。最后利用滚动轴承多类故障数据对所提出方法进行性能分析和试验，验证了P-LSTM方法学习旋转机械周期间的时序相关特性的有效性，以及进行故障诊断的准确度。
- 单位
