典型文献
端对端长短时序特征的轴承故障诊断
文献摘要：
滚动轴承振动信号具有时序性,针对如何有效提取轴承振动信号长短时序特征并实现端对端故障诊断的问题,提出一种端对端长短时序特征的轴承故障诊断方法LSS.该方法将原始振动信号直接输入模型,利用一维卷积神经网络层提取原始振动信号的短时序特征并降维,并通过门控循环单元层对降维数据进行长时序特征提取,最后将不同层提取的长短时序特征融合实现端对端滚动轴承故障诊断.通过在凯斯西储大学及CUT-2的数据上进行实验,准确率分别为99.60％和99.92％,验证了该方法在诊断精度上的有效性和泛化性.
文献关键词：
端对端;时序特征;门控循环单元;卷积神经网络;故障诊断
中图分类号：
作者姓名：
黎红志;唐向红;陆见光;杨青;何强
作者机构：
贵州大学 现代制造技术教育部重点实验室,贵阳 550025;贵州大学 公共大数据国家重点实验室,贵阳 550025
文献出处：
引用格式：
[1]黎红志;唐向红;陆见光;杨青;何强-.端对端长短时序特征的轴承故障诊断)[J].组合机床与自动化加工技术,2022(10):64-68
A类：
B类：
端对端,滚动轴承振动信号,时序性,有效提取,故障诊断方法,LSS,一维卷积神经网络,网络层,过门,门控循环单元,行长,长时序,时序特征提取,特征融合,滚动轴承故障诊断,凯斯,CUT,泛化性
AB值：
0.244103
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。
