基于GASA-BP-BiLSTM的轴承故障预测研究

作者：贾萌珊; 齐子元^*; 薛德庆; 朱常安

来源：组合机床与自动化加工技术, 2023, (05): 148-155.

DOI：10.13462/j.cnki.mmtamt.2023.05.034

• BP神经网络
• 模拟退火算法(SA)
• 遗传算法(GA)
• 双向长短期记忆网络(BiLSTM)
• 故障预测

基于BP神经网络收敛速度慢，在预测时易陷入局部极小值陷阱的问题，提出一种基于GASA-BP的预测方法，GA和SA协同优化BP神经网络，使得GASA-BP预测模型同时具备较强的全局搜索能力和跳出局部最优解的能力。BiLSTM是LSTM的一种特殊形式，BiLSTM充分考虑了时间序列数据前后节点之间的相关性，有效提取信号中的时间特征，具有更优秀的分类能力。基于此，提出一种基于GASA-BP-BiLSTM的故障预测模型，并应用于轴承的故障预测中，该模型不仅能够预测出轴承中是否存在故障，还能检测出潜在的故障类型，兼具了预测和故障诊断的优点。

• 单位
  中国人民解放军陆军工程大学