基于改进残差网络的轴承故障诊断方法
赵东辉
苑宇
赵兴
大连交通大学 机车车辆工程学院,辽宁 大连116028
摘要：针对现有的轴承故障诊断模型缺乏对信号的空间和时序信息的有效利用,以及模型的泛化性和抗噪性差的问题.提出了一种将LSTM以残差的形式与CNN并联使用,并采用1*1卷积进行跨通道信息融合的神经网络模型IPCNN_LSTM,解决了传统网络模型无法同时有效地利用信号的空间及时序信息问题.并采用CWRU轴承数据集和QPZZ-II系统采集实验平台进行实例验证,该模型能够有效地利用信号的空间和时序信息,在减少参数数量,提高诊断效率的同时取得较高的故障诊断正确率,并具有良好的泛化性、抗噪性及稳定性.
关键词：改进残差CNN故障诊断LSTM
分类号：TH133.3(机械零件及传动装置)
资助基金：辽宁省教育厅基金项目(JDL2020013)国家自然科学基金(62001079)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 38-45 )
英文信息