一种新型DSCNN-GRU结构的减速机轴承故障诊断方法 |
| |
引用本文: | 汪洋,郭利进.一种新型DSCNN-GRU结构的减速机轴承故障诊断方法[J].机械科学与技术(西安),2020,39(2):258-266. |
| |
作者姓名: | 汪洋 郭利进 |
| |
作者单位: | 天津工业大学电气工程与自动化学院,天津 300387;天津工业大学电气工程与自动化学院,天津 300387 |
| |
基金项目: | 天津市自然科学基金青年项目 |
| |
摘 要: | 结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。
|
关 键 词: | 卷积神经网络 深度可分离卷积 门控机制 故障诊断 滚动轴承 |
A New Type of DSCNN-GRU Structure for Bearing Fault Diagnosis of Reducer |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|