科研之友
微信
新浪微博
Facebook
分享链接
摘要
旋转机械健康状况的实时监测十分重要，其中滚动轴承故障更是研究的重点。传统的故障诊断方法难以高效准确地诊断出结构复杂的机械故障，而深度学习强大的数据分析和学习能力，使其在机械故障诊断领域发展迅速。为了提高传统卷积神经网络(CNN)在诊断中的准确度，并考虑到长短记忆网络(LSTM)诊断时间较长的缺陷，提出一种批标准化(BN)的CNN-LSTM模型。在凯斯西储大学轴承数据集上的实验表明，批标准化提高了该混合模型的诊断精度和效率。该方法获得了优于传统深度学习故障诊断方法的诊断结果，能够高效准确地进行多种负荷下、多种故障位置以及多种故障程度的诊断。
- 单位
