基于CNN和LSTM的旋转轴承故障检测方法——WDC-LSTM

摘要

机械故障诊断是日趋复杂的现代自动化机械系统的可靠性和安全性的关键.传统的轴承故障检测方法通常依赖人工特征提取和分类器设计，其效率和准确性存在一定的局限性.提出了一种基于卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long short-term memory network, LSTM)的深度学习方法：WDC-LSTM. CNN从振动信号中提取关键局部特征，LSTM则处理特征序列以捕捉时间连续性和动态变化.二者结合可同时建模轴承故障数据的空间特征与时间特性，实现端到端的轴承故障检测.为验证方法性能，基于凯斯西储大学轴承故障数据集进行实验，并与现有方法进行对比.结果表明，WDC-LSTM在轴承故障分类中具有更高的准确率和更强的泛化能力.

关键词

振动信号 / 卷积神经网络 / 长短期记忆网络 / 轴承故障诊断 / 深度学习应用