典型文献
一种基于双向长短期记忆结构与多尺度卷积结构融合的轴承智能故障诊断方法
文献摘要：
轴承作为旋转机械中最易损耗的核心基础部件之一,是机械装备的重点监测对象.针对现有轴承智能故障诊断模型存在的对数据信息挖掘片面性及利用率低等问题,构建了一种基于双向长短期记忆(Bidirectional Long Short-term Memory,BLSTM)结构与多尺度卷积结构融合的深度学习网络模型.为了增强模型的分类性能以及提高模型对实际工程环境的贴合度,数据集中各类故障数据的数据量为非等量;然后将数据集通过BLSTM结构来获取具有对称性的数据特征,从而减少模型对前后故障信息记忆的紊乱、增强信息利用率,接着通过多尺度卷积结构对数据特征进行多角度理解与交流,防止特征提取片面化,同时还能增强模型的抗噪性能;最后通过全连接网络实现智能分类.将所提模型分别对深沟球轴承与圆柱滚子轴承故障数据进行处理分析,结果表明该智能模型具有较高的准确度与实用性.
文献关键词：
双向长短期记忆;多尺度卷积;深度学习;轴承智能故障诊断
中图分类号：
作者姓名：
欧阳励;何水龙;朱良玉;胡超凡;蒋占四
作者机构：
桂林电子科技大学 机电工程学院,广西桂林 541004
文献出处：
引用格式：
[1]欧阳励;何水龙;朱良玉;胡超凡;蒋占四-.一种基于双向长短期记忆结构与多尺度卷积结构融合的轴承智能故障诊断方法)[J].振动与冲击,2022(19):179-187
A类：
故障信息记忆
B类：
双向长短期记忆,多尺度卷积,轴承智能故障诊断,故障诊断方法,旋转机械,易损,机械装备,重点监测,故障诊断模型,信息挖掘,片面性,Bidirectional,Long,Short,term,Memory,BLSTM,深度学习网络,增强模型,分类性能,贴合,故障数据,数据量,等量,数据特征,强信息,信息利用,片面化,抗噪性能,全连接网络,智能分类,深沟球轴承,圆柱滚子轴承,轴承故障,处理分析,智能模型
AB值：
0.332478
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。
