引入自注意力机制的1DCNN-BiLSTM模型及其在滚动轴承故障诊断中的应用

作者：刘芯志; 彭成; 满君丰; 刘翊

来源：信息与电脑(理论版), 2021, 33(23): 80-83.

• 故障诊断
• 自注意力机制
• 卷积神经网络
• 双向长短期记忆网络
• 机械装备

为获得一维卷积神经网络与双向长短期记忆网络不同特征点之间的长距离依赖关系,减少大型机械装备故障诊断人工特征提取的复杂性,本文提出了引入自注意力机制的1DCNN-BiLSTM(1 Dimensional Convolution Neural Network-Bidirectional Long Short-Term Memory)模型。首先,将原始时序数据经过预处理后放入1DCNN+自注意力机制、BiLSTM+自注意力机制两个通道中;其次,两个通道分别提取数据的低维平移不变性特征和长短时序特征并计算各自特征的依赖关系;最后,将双通道提取的特征整合,完成特征域到类别域的映射。以凯斯西储大学不同转速下的滚动轴承信号作为实验数据进行实验,实验结果证明:该模型综合性能高,其准确率、F1值、精确率和召回率均优于其他算法,而且鲁棒性更强。

• 单位
  湖南工业大学