基于SENet-ResNext-LSTM的风机轴承故障诊断

作者：杜浩飞; 张超; 李建军^*

来源：机械强度, 2023, 45(06): 1271-1279.

DOI：10.16579/j.issn.1001.9669.2023.06.001

• 故障诊断
• 注意力机制
• ResNext
• LSTM

针对风机滚动轴承故障诊断需要提取大量复杂特征，提出一种基于注意力机制、ResNext网络和长短时记忆(Long Short Term Memory, LSTM)网络的并行轴承故障诊断模型。首先，将采集的一维振动信号进行预处理；然后，分两路输入到模型中提取特征，其中一路输入到嵌入注意力机制的ResNext模块中，注意力机制可以增加重要特征的权重，减少模型运算量，另一路输入到LSTM网络中提取振动信号在时间序列上的依赖关系；最后，将两路提取到的特征进行融合输入到Softmax层进行故障分类。实验结果表明，与目前基于深度学习的轴承故障诊断方法相比，所提方法在轴承故障分类准确率上表现更好。

• 单位
  内蒙古科技大学