| 基于改进卷积双向门控循环网络的轴承故障诊断 |
| |
| 引用本文： | 张昌凡,刘佳峰,何静,刘建华.基于改进卷积双向门控循环网络的轴承故障诊断[J].电子测量与仪器学报,2021,35(11):61-67. |
| |
| 作者姓名： | 张昌凡 刘佳峰 何静 刘建华 |
| |
| 作者单位： | 湖南工业大学电气与信息工程学院 株洲 412007 |
| |
| 基金项目： | 国家自然科学基金（61733004,52172403,62173137）、湖南省自然科学基金(2021JJ30217,2021JJ50001)、湖南省教育厅(19A137)项目资助 |
| |
| 摘 要： | 针对传统深度学习方法没有充分利用轴承信号的时序特点，以及难以处理动态数据的问题，提出一种基于改进卷积双向门控循环神经网络的轴承故障智能诊断方法。采用卷积神经网络从输入信号中提取代表性特征，引入双向门控循环神经网络挖掘故障数据在时间维度上的语义信息，通过注意力机制自适应地对特征图通道赋予不同权值，从而实现高精度的轴承故障诊断。在公开轴承数据集上进行实验，实验结果表明，该方法能够正确地将轴承故障分类，分类精度可达996%。
|
| 关 键 词： | 卷积神经网络 双向门控循环网络 通道注意力机制 轴承故障诊断 |
Improved CNN BiGRU method for bearing fault diagnosis |
| |
| Zhang Changfan,Liu Jiafeng,He Jing,Liu Jianhua.Improved CNN BiGRU method for bearing fault diagnosis[J].Journal of Electronic Measurement and Instrument,2021,35(11):61-67. |
| |
| Authors: | Zhang Changfan Liu Jiafeng He Jing Liu Jianhua |
| |
| Affiliation: | Technology College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China |
| |
| Abstract: | |
| |
| Keywords: | convolutional neural network bidirectional gated recurrent neural network channel attention mechanism bearing fault diagnosis |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
