科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承故障诊断过程中特征提取复杂、难以捕获时间序列数据之间的长期依赖问题，提出了双通道特征融合的CNN-LSTM故障诊断模型。首先将原始振动数据同时输入到CNN中和LSTM通道中，其次利用CNN和LSTM的各自优势分别提取原始振动数据的空间特征以及时序信息特征，将提取到的特征信息进行融合，最后将融合后的特征输入到softmax完成故障分类。经实验证明，与CNN-LSTM、CNN、LSTM 3种故障诊断模型相比，所提出的模型直接以原始信号进行故障诊断的准确率可达99.64%,且融合后的特征更容易区分不同故障状态。在不同噪音背景下，所提模型也保持了95%以上的故障诊断准确率，具有较好的抗噪性。
-
单位机电工程学院; 武汉理工大学
