典型文献
双向LSTM融合多尺度卷积的轴承亚健康识别算法
文献摘要：
针对传统卷积神经网络(CNN)在轴承故障诊断中只能提取空间特征且特征单一,无法提取数据中时序信息的问题,本文提出一种双向长短期记忆网络(LSTM)结合多尺度卷积神经网络(MS-CNN)轴承亚健康识别算法.多尺度卷积可以提取多维空间相关性信息,避免因单一尺寸卷积核过大或过小造成无法精确定位或覆盖冲击特征位置的问题.双向长短期记忆网络可以提取数据中时序相关性信息,且改进后单元结构只具有一个"门"结构,有效减少参数量.实验结果表明,提出算法具有较快的网络收敛速度,并且准确率能达到98.7％.
文献关键词：
亚健康识别;卷积神经网络(CNN);长短期记忆网络(LSTM);多尺度卷积
中图分类号：
作者姓名：
张利;张凯鑫;王溟晗;刘婷婷
作者机构：
辽宁大学 信息学院,辽宁 沈阳110036
文献出处：
引用格式：
[1]张利;张凯鑫;王溟晗;刘婷婷-.双向LSTM融合多尺度卷积的轴承亚健康识别算法)[J].辽宁大学学报（自然科学版）,2022(03):193-204
A类：
亚健康识别
B类：
识别算法,轴承故障诊断,空间特征,提取数据,中时,时序信息,双向长短期记忆网络,多尺度卷积神经网络,多维空间,空间相关性,一尺,卷积核,精确定位,时序相关性,单元结构,参数量,网络收敛速度
AB值：
0.202057
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
