旋转机械振动系统的深层LSTM残差神经网络分析

扫码查看

原文链接

万方数据
维普

中文摘要：随着生产加工行业对可靠性和精度要求的日益提高,实时、高效地获得转动机械故障信息是保障装备安全稳定运转的重要因素.将基于LSTM深层残差网络的旋转机械振动特征提取方法引入到系统中,研究基于LSTM深层残差网络以及基于GAP-ELM的振动特征提取方法,实现旋转机械振动特征提取,并提出一种基于LSTM单元的"记忆—遗忘"栅格算法,实现对原始数据的深度挖掘.该算法可以避免常规算法在识别精度上的不足,能够高效地实现对系统的故障诊断.该方法还可以在较少的epoch中实现稳定,且随着epoch的增加、其损失值会逐步降低.

作者：

王明珠

展开 >

作者单位：

大庆石化建设有限公司,黑龙江大庆 163714

关键词：

旋转机械残差网络故障诊断 LSTM

出版年：

2024

DOI：

10.16621/j.cnki.issn1001-0599.2024.01D.13

设备管理与维修

中国机械工程学会北京卓众出版有限公司

设备管理与维修

影响因子：0.13

ISSN：1001-0599

年,卷(期)：2024.(2)

参考文献量3