典型文献
基于多尺度CNN-BiLSTM的轴承故障诊断
文献摘要：
针对传统故障诊断方法提取特征不丰富、未充分利用时序特征的问题,提出了一种基于多尺度CNN和BiLSTM融合的滚动轴承故障诊断方法.首先设计多尺度CNN模型进行多尺度特征信息的提取;其次设计BiLSTM模型进行提取特征前后之间的内部关系;最后通过全连接层构建了特征信息与故障类型的映射,通过softmax分类器输出故障诊断结果.以准确率为评价指标,该方法在多负载场景下诊断准确率为99.2％,在变负载场景下诊断平均准确率为89.6％.实验结果表明,该方法具有良好的自适应工况的能力.
文献关键词：
轴承;故障诊断;多尺度卷积神经网络;双向长短时记忆网络
中图分类号：
作者姓名：
张海龙;袁德成
作者机构：
沈阳化工大学 信息工程学院,辽宁 沈阳110142
文献出处：
引用格式：
[1]张海龙;袁德成-.基于多尺度CNN-BiLSTM的轴承故障诊断)[J].工业仪表与自动化装置,2022(03):75-78,84
A类：
B类：
BiLSTM,故障诊断方法,提取特征,时序特征,滚动轴承故障诊断,多尺度特征,特征信息,全连接层,故障类型,softmax,分类器,诊断结果,多负载,诊断准确率,变负载,平均准确率,多尺度卷积神经网络,双向长短时记忆网络
AB值：
0.28482
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。
