基于Inception-DLSTM双通道的滚动轴承故障诊断方法

来源：电子测量技术杂志2023年第7期北京时间：

作者：范志伟，郭世伟，罗鑫，刘应桃，付孟新

单位：西南交通大学机械工程学院 成都 610031

摘要：卷积神经网络(CNN)对空间特征具有敏感性，而Inception相比CNN具备多尺度提取特征优势；长短时记忆网络(LSTM)对时间特征具有敏感性，而深层长短时记忆网络(DLSTM)比LSTM具备更深层次提取特征优势。为了多尺度充分提取滚动轴承振动信号在空间和时间上的特征，实现滚动轴承故障诊断，提出了一种Inception通道和DLSTM通道结合的InceptionDLSTM双通道滚动轴承故障诊断模型。对于Inception通道，把轴承振动信号经过小波变换生成的时频图作为输入，利用Inception网络多尺度提取时频图的空间特征信息；对于DLSTM通道，直接把轴承振动信号作为输入，利用DLSTM网络充分提取信号的时间特征信息。然后把两个通道输出的特征信息连接成一个时空特征向量，最后利用分类器进行轴承故障诊断识别。对轴承故障数据进行对比实验可得，InceptionDLSTM双通道的故障识别准确率可达100%，具备良好的故障诊断和特征提取能力。

关键词：Inception-DLSTM双通道;滚动轴承;故障诊断;空间特征;时间特征

基金资助：四川科技厅重点研发项目(2020YFG0124)、博士后科学基金(2020M682506)项目资助