摘要
针对传统的滚动轴承故障诊断方法依赖大量先验知识以及容易人为引入误差等缺点,结合Inception模型的多尺度抽象特征提取能力与双向长短时记忆(BLSTM)神经网络序列建模的优势,提出一种基于Inception-BLSTM的滚动轴承故障诊断方法.首先,设计Inception模型从滚动轴承振动信号中提取出多尺度抽象特征.其次,设计BLSTM进一步学习特征信息的时间依赖性.最后,通过全连接层将特征信息映射到对应的故障模式并得出诊断结果.实验结果表明,该方法在多负载场景下的轴承故障识别精度达到了 99.6％,具有良好的负载适应性以及抗干扰能力.
NETL
NSTL
维普
万方数据