摘要
本发明公开了一种可解释性滚动轴承故障诊断方法,包括以下步骤:采集滚动轴承的一维时间序列信号并进行样本扩充,建立初始1D-CNN-BiLSTM神经网络模型,并向该神经网络模型添加Grad-CAM++解释层,建立起具有卷积解释能力的神经网络模型。利用多种一维故障数据训练所述神经网络模型,获得具有故障诊断能力的模型,再通过所述故障诊断模型对所述滚动轴承进行故障诊断。本发明以CNN为基础结构的神经网络的特征提取过程进行解释,并加入BiLSTM,利用其具有双向分析能力的特点,实现了更好的诊断精度,并提高了故障诊断神经网络模型的抗噪性和鲁棒性。
- 单位