典型文献
基于CNN-LSTM-Attention的滚动轴承故障诊断
文献摘要：
针对滚动轴承传统故障诊断方法极度依赖专家诊断经验、提取特征困难等问题,提出一种基于卷积神经网络(CNN)、长短时记忆神经网络(LSTM)和注意力机制(AM)相结合的故障诊断方法.该方法首先通过CNN对振动信号自适应提取特征,然后通过LSTM提取振动信号的时序特征,最后加入AM模块,使模型重点关注故障特征明显的信息,忽略无用的噪音,从而提高模型的诊断性能.通过实验验证,相较于传统的CNN,该模型故障诊断准确率更高.
文献关键词：
卷积神经网络;长短时记忆神经网络;注意力机制;轴承故障诊断
中图分类号：
作者姓名：
魏永合;宫俊宇
作者机构：
沈阳理工大学 机械工程学院,沈阳110159
文献出处：
引用格式：
[1]魏永合;宫俊宇-.基于CNN-LSTM-Attention的滚动轴承故障诊断)[J].沈阳理工大学学报,2022(04):73-77
A类：
B类：
Attention,滚动轴承故障诊断,承传,故障诊断方法,极度,专家诊断,提取特征,长短时记忆神经网络,注意力机制,AM,振动信号,自适应提取,时序特征,故障特征,无用,噪音,诊断性,故障诊断准确率
AB值：
0.260289
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。
