机床与液压

作者：孙梦，高丙朋，程静

单位：新疆大学电气工程学院；新疆大学电气工程学院；新疆大学电气工程学院

关键词：共振稀疏分解;卷积神经网络;注意力机制;双向长短期神经网络;早期故障诊断

基金：国家重点研发计划项目（2021YFB1506902)

针对滚动轴承早期故障具有强噪声背景且信号弱强度导致诊断精度较低的问题，提出一种基于共振稀疏分解(RSSD)的改进一维卷积和双向长短期记忆的故障诊断方法。利用 3σ 原则确定轴承全寿命周期的早期退化起始点，对起始点时域信号进行RSSD降噪处理，从而提高早期微弱故障的分辨率；将数据预处理后的信号输入到添加SE注意力机制的卷积神经网络(CNNSE)中提取关键局部特征，其输出输入双向长短期记忆神经网络(BiLSTM)对当前及前后时间序列信息进行特征提取；最后，通过全连接层和Softmax层进行早期多故障分类。采用所提方法针对XJTU-SY轴承全寿命周期故障信号进行实验，结果表明：所提方法对早期微弱故障信号有更高的识别率，诊断准确率99.75%，优于其他诊断方法。

来源：2024年第16期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第16期