基于SACNN-MGRU混合模型的滚动轴承故障诊断

来源：电子测量技术杂志2021年第22期北京时间：

作者：杨端浩，付文龙，史慧彬

单位：1.三峡大学 电气与新能源学院 湖北 宜昌 443002;2. 三峡大学 梯级水电站运行与控制湖北省重点实验室 湖北 宜昌 443002;3. 三峡大学 水电机械设备设计与维护湖北省重点实验室 湖北 宜昌 443002

摘要：为充分挖掘滚动轴承故障类别与振动信号间的潜在联系进而提升故障诊断精度，提出了一种基于尺度自适应卷积神经网络(SACNN)和改进门控循环单元(MGRU)混合模型的故障诊断方法。首先，提出了一种尺度自适应因子用以获取合适的CNN窗口尺寸从而更有效地提取振动信号中蕴含的局部故障信息，并在CNN中引入比例指数线性单元(SELU)以提升其训练过程的鲁棒性；随后，在GRU中嵌入SELU进一步提升网络稳定性，并改进GRU网络结构增强其时序特征的挖掘能力，进而更充分地提取局部故障信息中的时序特征；最后通过Softmax函数识别故障类别。经实验对比和分析表明，该方法具备较好的收敛性和稳定性，能够有效挖掘振动信号中蕴含的故障信息，准确识别不同转速下滚动轴承的故障类别且识别精度均高于99.5%，具有一定的应用价值。

关键词：滚动轴承;故障诊断;卷积神经网络;门控循环单元;混合模型

基金资助：国家自然科学基金（51741907）、湖北省水电机械设计与维修重点实验室开放基金(2020KJX03)资助