作者：陈伟; 陈锦雄; 江永全; 宋冬利; 张闻东机械制造及其自动化故障诊断滚动轴承长短时记忆神经网络随机搜索
摘要：针对滚动轴承不同故障位置、不同损伤程度的振动加速度信号的智能分类,提出一种基于随机搜索与长短时记忆（long short term memory,LSTM）神经网络的滚动轴承故障状态识别算法。该算法直接利用原始数据作为非线性输入,避免因人工提取特征值造成的原始信息缺失;使用LSTM与深度神经网络的混合网络提高模型性能;引入随机搜索算法自动优化超参数得到最优的网络配置;使用不同量纲、不同来源、不同损伤结构的两类数据集对模型进行试验验证。试验结果表明,在两类单一数据集及随机混合数据集均可达到99.8%以上的诊断准确度,表明本算法具有较高的泛化能力和鲁棒性。与BP、支持向量机、粒子群算法最小二乘支持向量机、LSSVM、浅层LSTM等方法在同等试验条件下的诊断结果进行比较,本文算法具有更高的识别准确度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
