针对滚动轴承传统故障诊断方法极度依赖专家诊断经验、提取特征困难等问题，提出一种基于卷积神经网络(CNN)、长短时记忆神经网络(LSTM)和注意力机制(AM)相结合的故障诊断方法。该方法首先通过CNN对振动信号自适应提取特征，然后通过LSTM提取振动信号的时序特征，最后加入AM模块，使模型重点关注故障特征明显的信息，忽略无用的噪音，从而提高模型的诊断性能。通过实验验证，相较于传统的CNN,该模型故障诊断准确率更高。
科研之友
微信
新浪微博
Facebook
分享链接
