基于1DCNN-BiLSTM的端到端滾動軸承故障診斷方法

摘要： 針對滾動軸承早期故障診斷時時頻域特征選取主觀性強、時序特征信息利用不足等問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)和雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的滾動軸承早期故障診斷方法。采用卷積神經(jīng)網(wǎng)絡(luò)提取原始振動信號特征，并在卷積層后引入批正則化層，以消除數(shù)據(jù)的不規(guī)則性對權(quán)重優(yōu)化的影響，并通過擴展首層卷積層和調(diào)整步長以提高特征提取效率。引入雙向長短時記憶神經(jīng)網(wǎng)絡(luò)提升卷積神經(jīng)網(wǎng)絡(luò)對時序特征的提取能力，通過批正... （共8頁）