基于改进堆叠式循环神经网络的轴承故障诊断

论文摘要

提出基于改进堆叠式循环神经网络的轴承故障诊断模型.利用深层网络极强的非线性拟合能力以及循环神经网络特有的沿时间通道传播的特点,通过门控循环单元解决堆叠式循环神经网络梯度消失的问题,实现对轴承健康状况的分类识别.利用美国凯斯西储大学轴承数据集进行了轴承故障诊断试验,同时将支持向量机、粒子群优化的支持向量机、人工神经网络、卷积神经网络AlexNet以及循环神经网络作为对比以检验所提模型的分类性能.结果表明,提出的模型能够对轴承故障进行有效诊断,并且具有一定的可靠性与泛化能力.

论文目录

• 1 循环神经网络和门控循环单元
•   1.1 循环神经网络
•   1.2 门控循环单元
• 2 改进堆叠式循环神经网络
•   2.1 改进堆叠式循环神经网络结构
•   2.2 样本构造
•   2.3 模型建立
• 3 滚动轴承故障诊断案例
•   3.1 数据来源
•   3.2 对比试验
• 4 结论

文章来源

类型: 期刊论文

作者: 周奇才,沈鹤鸿,赵炯,刘星辰

关键词: 轴承故障诊断,深度学习,循环神经网络,门控循环单元

来源: 同济大学学报(自然科学版) 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 同济大学机械与能源工程学院

基金: 国家自然科学基金(51375345)

分类号: TP183;TH133.3

页码: 1500-1507

总页数: 8

文件大小: 614K

下载量: 485