变负载工况下滚动轴承故障分类识别方法研究

尹博文; 任彬; 郝如江; 张建超

doi:10.13319/j.cnki.sjztddxxbzrb.20230080

石家庄铁道大学学报（自然科学版） ›› 2023, Vol. 36 ›› Issue (03) : 105 -111. DOI: 10.13319/j.cnki.sjztddxxbzrb.20230080

变负载工况下滚动轴承故障分类识别方法研究

尹博文, 任彬, 郝如江, 张建超

作者信息 +

Author information +

文章历史 +

摘要

针对变负载工况下单尺度CNN提取滚动轴承健康状态特征不充分的问题，提出了一种DSCNN-BiLSTM诊断模型。该模型基于粗粒度化和平均池化层的理论基础，通过双尺度卷积神经网络结合双向长短时记忆网络，对滚动轴承振动信号进行空间维度特征和时间序列特征的提取，实现端对端的滚动轴承故障诊断。通过设置2种不同变负载工况实验，采用DSCNN-BiLSTM模型进行滚动轴承故障特征提取，平均准确率分别达到了97.55%和98.07%,有效提高了在变负载工况下的滚动轴承故障诊断准确率，为滚动轴承健康状态识别提供了关键技术。