《计算机集成制造系统杂志》发表论文赏析

基于深度学习的旋转机械大数据智能故障诊断方法

来源:计算机集成制造系统杂志2025年第1期北京时间:

作者:宫文峰, 张美玲, 陈辉

单位:1.武汉理工大学船海与能源动力工程学院高性能舰船技术教育部重点实验室2.北部湾大学东密歇根联合工程学院3.北部湾大学机械与船舶海洋工程学院广西海洋工程装备与技术重点实验室4.南洋理工大学电子与电气工程学院5.北部湾大学经济管理学院

摘要:深度学习作为一种智能高效的模式识别技术,已得到基于大数据驱动的机械装备故障诊断领域学者的广泛关注。为了更加有效地从多传感器原始故障数据中提取出故障特征,解决单一诊断算法提取时序数据特征时的信息丢失问题,提出一种基于改进的长短期记忆循环神经网络全局均值池化卷积神经网络(LSTM-GCNN)的深度循环卷积神经网络新算法,用于机械装备大数据的故障智能诊断。该算法首先运用长短时记忆循环神经网络(LSTM)从多通道原始数据中提取时间关联性记忆特征,然后再将特征数据输入到一维卷积神经网络(1D-CNN)中进行微小差异特征辨识,并且为了减少模型参数量和提高算法检测速度,设计了一个一维全局均值池化层用于代替传统1D-CNN算法中的全连接层结构。通过将提出的算法用于滚动轴承在1马力、2马力和3马力多种负载工况下采集的3通道振动信号数据进行诊断验证,分别得到100%、99.85%和99.78%的诊断准确率,实验结果相比传统的DNN、LSTM和CNN算法具有更加优越的诊断性能;对齿轮箱在空载和承载两种运行工况下的8通道原始数据进行故障诊断的准确率分别高达99.93%和99.8%,具有良好的迁移通用性能。

关键词:智能故障诊断,深度学习,循环神经网络,卷积神经网络,多传感器

基金资助:国家重点研发计划资助项目(2019YFE0104600);国家水运安全工程技术研究中心开放基金资助项目(A202501);广西高等教育本科教学改革工程重点资助项目(2024JGZ146);广西自然科学基金资助项目(2024JJH160010,2020GXNSFBA159058);武汉理工大学优秀博士学位论文培育项目(2019-YB-023)。

2025年1期其他文献查阅:

数字试验测试验证标准体系

面向AI生成的产品概念设计方案智能评估方法

基于冗余机械臂可操作性的改进动态运动基元方法

港口重载AGV转向稳定性容错控制策略

基于混合果蝇算法的双边装配线平衡问题研究

考虑转移时间的多目标双资源柔性作业车间节能调度

带忽略工序的多目标批量流混合流水车间调度

两阶段智能优化算法求解紧凑型带钢生产热轧调度问题

基于多信息体素的三角网格模型距离场算法

基于轻量级DeepLabV3+网络的焊接熔池图像分割方法

基于融入注意力机制的改进U-Net鲁棒焊缝识别算法

基于集成学习的压电陶瓷烧结过程质量预测建模

基于特征融合与语义引导的药用胶囊表面缺陷检测

基于卷积神经网络轻量化的改进SSD异纤检测方法

基于个性化联邦学习的异构船舶航行油耗预测

基于两级决策树模型的轧制时间预测方法

基于改进ACGAN算法的带钢小样本数据增强方法

混合云中面向多目标的工作流数据放置策略

基于BPMN的业务流程建模元素扩展机制

基于规则链的制造服务组合方法

扇形段拉矫力数据突变特征提取方法

基于深度学习的旋转机械大数据智能故障诊断方法

小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法

基于知识蒸馏压缩混合模型的航空发动机剩余寿命预测研究

考虑状态增量的自适应Wiener过程剩余寿命预测

考虑技术效率不确定的风险规避制造商的绿色技术创新策略

基于MCF-GERT的复杂产品供应链交付多目标优化模型

基于列生成和分支定界算法的两阶段二次装箱问题

基于混合蒙特卡洛树搜索的电缆盘装箱方法

时变需求下汽车零部件整包配送库存路径优化

医疗废弃物协作回收模式及成本节约影响研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!