基于组合神经网络的滚动轴承状态识别方法

基于组合神经网络的滚动轴承状态识别方法

论文摘要

针对滚动轴承监测数据量大、特征提取困难、故障诊断准确率低等问题,提出应用LSTM-BP组合神经网络,实现滚动轴承状态的自动识别,准确率可达到99.20%,且具有较高的泛化能力。

论文目录

  • 0 引言
  • 1 人工神经网络
  •   1.1 BP神经网络
  •   1.2 LSTM神经网络
  • 2 LSTM-BP组合神经网络
  •   2.1 LSTM-BP组合神经网络结构
  •   2.2 Softmax回归层
  •   2.3 Batch Normalization方法
  • 3 实验验证
  •   3.1 模型性能分析
  •   3.2 轴承状态识别方法对比
  •   3.3 模型泛化性能验证
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 裴沛,李彩伟

    关键词: 滚动轴承,自动识别

    来源: 设备管理与维修 2019年17期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 北京中油瑞飞信息技术有限责任公司,国家工业信息安全发展研究中心

    分类号: TH133.33;TP183

    DOI: 10.16621/j.cnki.issn1001-0599.2019.09.79

    页码: 159-163

    总页数: 5

    文件大小: 1086K

    下载量: 113

    相关论文文献

    标签:;  ;  

    基于组合神经网络的滚动轴承状态识别方法
    下载Doc文档

    猜你喜欢