典型文献
基于时序关联分析的旋转机械故障诊断
文献摘要：
随着大型旋转机械设备的广泛应用,高速旋转机械的故障诊断得到越来越多的关注.旋转机械的周期旋转特性导致信号间存在很强的时序关联关系,当故障发生时,故障特性会在旋转周期间逐渐传递.该研究分析滚动轴承不同类型故障、不同损伤程度振动信号时序相关特性的差异度,提出了周期记忆神经网络(periodization long short-term memory,P-LSTM)故障诊断方法.该方法首先提取旋转机械周期内数据特征,并利用记忆因子对特性在周期间的传递规律进行选择性遗忘,学习其周期间的时序相关特征,从而实现滚动轴承的故障诊断.最后利用滚动轴承多类故障数据对所提出方法进行性能分析和试验,验证了 P-LSTM方法学习旋转机械周期间的时序相关特性的有效性,以及进行故障诊断的准确度.
文献关键词：
时序相关性;长短时记忆;滚动轴承;特征提取;故障诊断
中图分类号：
作者姓名：
谭帅;马遥;侍洪波;常玉清;郭磊
作者机构：
华东理工大学 信息科学与工程学院,上海200237;东北大学 信息科学与工程学院,沈阳110819
文献出处：
引用格式：
[1]谭帅;马遥;侍洪波;常玉清;郭磊-.基于时序关联分析的旋转机械故障诊断)[J].振动与冲击,2022(08):171-178
A类：
时序相关特性,periodization
B类：
时序关联,旋转机械故障诊断,大型旋转机械,机械设备,高速旋转,致信,关联关系,故障特性,滚动轴承,振动信号,差异度,记忆神经网络,long,short,term,memory,故障诊断方法,数据特征,遗忘,故障数据,方法学,时序相关性,长短时记忆
AB值：
0.262489
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。
