系统工程与电子技术

作者：侯召国, 王华伟, 周良, 付强

单位：南京航空航天大学民航学院, 江苏 南京 211106

关键词：故障诊断,改进深度残差网络,长短时记忆网络,Dropout层

基金：国家自然科学基金和民航联合研究基金(U1833110)

针对旋转机械工况复杂多变、有标签样本不足而导致的故障特征提取困难等问题, 提出了一种用于旋转机械故障诊断的改进深度残差网络(improved deep residual network, IDRN)。首先, 采集旋转机械一维振动信号进行数据预处理; 然后, 在深度残差网络的基础上引入了长短时记忆(long short-term memory, LSTM)网络, 其中, LSTM网络可以有效捕捉故障的时序信息; 在残差块中引入Dropout层提高了故障诊断的精度和收敛速度; 最后在轴承与齿轮数据集上验证本文提出方法的有效性。实验结果表明, 该方法在堆叠多层网络模型时, 没有出现明显的网络退化现象, 与当前广泛使用的几种诊断方法进行对比实验, 表现出了较高的平均诊断精度和良好的适用性。

来源：2022年第6期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第6期