科研之友
微信
新浪微博
Facebook
分享链接
摘要
为克服传统滚动轴承故障诊断方法需要人工提取特征的缺点，提出一种基于注意力模块的卷积神经网络-双向门控循环单元的滚动轴承故障诊断方法。该方法利用下采样后的原始振动信号作为输入，通过具有两种不同核大小的并行卷积块从采样后的数据中提取特征，并使用注意力模块对提取的特征进行加权融合处理，最后将具有不同权重的特征输入到双向门控循环单元进行故障分类，从而实现端到端的诊断。为了理解所提出模型的诊断过程，对所学习的特征进行可视化，分析发现模型可以有效映射不同类型的故障。经试验表明，该模型使用下采样后的原始数据有效缩短了网络的训练时间，同时还可以保持100%的诊断准确率。
- 单位
