改进CNN-LSTM 模型在滚动轴承故障诊断中的 应用① 曹正志, 叶春明 (上海理工大学 管理学院, 上海 200093)通讯作者: 曹正志 摘 要: 滚动轴承的运行状态对整机工作状态影响重大, 但目前其故障诊断方法存在依赖手工特征提取、鲁棒性不高等问题. 因此, 本文提出了一种基于改进的一维卷积神经网络(1D-CNN)和长短期...
滚动轴承的运行状态对整机工作状态影响重大,但目前其故障诊断方法存在依赖手工特征提取,鲁棒性不高等问题.因此,本文提出了一种基于改进的一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)集成的滚动轴承故障诊断方法(1D-CNN-LSTM).首先,利用改进的1D-CNN-LSTM模型对滚动轴承6种不同的工作状态进行了分类识别实验,实验...
【摘要】在使用卷积层神经网络(Convolutional Neural Networks, CNN)和长短期记忆神经网络(Long Short-Term Memory, LSTM)模型对滚动轴承剩余寿命预测时,预测结果的准确性会受到实验参数的影响.为此,提出了一种使用鲸鱼优化算法对模型参数进行干预,降低参数调试复杂性的方法.首先,选用相关性、单调性、鲁棒性3种特征评价...
本发明涉及闸门故障诊断技术领域,涉及一种基于改进CNN‑LSTM模型的故障诊断系统及方法,其包括硬件平台和软件平台;硬件平台包括闸门、启闭机、闸门控制器和水情监测传感器;水情监测传感器包含开度传感器、电流传感器、水位传感器;闸门控制器用于采集水情监测设备的数据,并通过串口连接4G模块,由4G模块接入软件平台;软件平台...
本发明涉及闸门故障诊断技术领域,涉及一种基于改进CNN‑LSTM模型的故障诊断系统及方法,其包括硬件平台和软件平台;硬件平台包括闸门、启闭机、闸门控制器和水情监测传感器;水情监测传感器包含开度传感器、电流传感器、水位传感器;闸门控制器用于采集水情监测设备的数据,并通过串口连接4G模块,由4G模块接入软件平台;软件平台...
基于数据驱动的轴承故障诊断与预测 了CNNLSTM模型的优越性.(3)基于CNN-LSTM模型的优势,将该模型用于轴承的剩余使用寿命预测,并利用PHM2012轴承全寿命数据集进行验证,最终完成了轴承的寿命预测.并将... 李雅鑫 - 《北京交通大学》 被引量: 0发表: 2022年 基于ResNet-ABiLSTM的滚动轴承剩余寿命预测 Aiming at th...
首先利用改进SVD方法处理的实验数据得到包含故障信息的子分量,以此作为CNN模型输入.然后搭建CNN模型,按照比例划分信号为训练集和测试集,使用训练集数据对CNN模型参数进行优化.最后使用测试集数据对模型识别性能进行测试.为了验证提出算法的优越性,对比了线性核SVM,高斯核SVM,ANN,LSTM以及CNN处理未使用降噪算法处理的实验...