基于空洞卷积神经网络与注意力机制GRU的滚动轴承故障诊断

作者：葛超; 杨奇睿; 刘佳伟^*; 臧理萌; 陈亮; 孙瑞琪

来源：中国冶金, 2022, 32(04): 99-131.

DOI：10.13228/j.boyuan.issn1006-9356.20210679

• 滚动轴承
• 故障诊断
• 卷积神经网络
• 门控循环单元
• 注意力机制

针对传统故障诊断方法需要人工提取特征的不足，以及大数据下滚动轴承故障振动信号自适应特征提取与智能诊断问题，利用空洞卷积神经网络(DCNN)可以在不增加计算量的基础上兼顾不同尺度空间特征的能力、门控循环单元(GRU)善于从动态变化的序列数据中学习到时间上的关联性的能力，提出了一种将DCNN、注意力机制和GRU多路径融合的端到端故障诊断方法。首先利用DCNN从原始数据中自动提取时序信号特征，然后将注意力机制(Attention)的GRU通路和DCNN通路进行融合，最后将提取到的特征融合之后送入分类层进行分类。试验结果表明，所提方法的诊断准确率平均为98.75%,高于比较方法，更加适用于滚动轴承故障诊断。