科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于长短期记忆网络的可以无需预先提取故障特征的轴承故障识别方法。原始的轴承故障振动信号被分成训练集和测试集,将训练集数据映射到线性网络层,通过长短期记忆网络训练参数,再输入到softmax网络层得到分类类别的概率分布,在训练迭代次数达到预设值并且识别准确率收敛之后,测试集数据采用训练好的参数得到分类结果,最后计算预测正确率。模型对含有内外圈和滚动体点蚀故障的轴承数据进行识别试验,结果表明该模型能够有效识别轴承的故障部位和故障程度,与预先提取小波包能量特征的长短期记忆网络模型和支持向量机模型的比较证明该模型识别正确率更高。
-
单位重庆大学; 机械传动国家重点实验室
