狀態(tài)監(jiān)測與故障診斷是保證機(jī)械設(shè)備安全穩(wěn)定運(yùn)行的必要手段.本文提出一種基于注意力機(jī)制雙向LSTM網(wǎng)絡(luò)（ABiLSTM）的深度學(xué)習(xí)框架用于機(jī)械設(shè)備智能故障診斷.首先,將傳感器采集的設(shè)備原始數(shù)據(jù)進(jìn)行預(yù)處理,并劃分為訓(xùn)練樣本集與測試樣本集;其次,訓(xùn)練多個不同尺度的雙向LSTM網(wǎng)絡(luò)對原始時域信號進(jìn)行特征提取,得到設(shè)備故障多尺度特征;再次,通過引入注意力機(jī)制,對不同雙向LSTM網(wǎng)絡(luò)提取特征的權(quán)重參數(shù)進(jìn)行優(yōu)化,篩選保留目標(biāo)特征,濾除冗雜特征,以實(shí)現(xiàn)精準(zhǔn)提取有效故障特征;最后,在輸出端利用Softmax分類器輸出故障分類結(jié)果.通過利用發(fā)動機(jī)氣缸振動實(shí)驗(yàn)數(shù)據(jù)和凱斯西儲大學(xué)滾動軸承實(shí)驗(yàn)數(shù)據(jù)進(jìn)行故障診斷實(shí)驗(yàn),故障識別準(zhǔn)確率均達(dá)到99%以上.實(shí)驗(yàn)結(jié)果表明,ABiLSTM模型可以實(shí)現(xiàn)對原始時域信號的多尺度特征提取和故障診斷,通過與深度卷積網(wǎng)絡(luò)（CNN）、深度去噪自編碼器（DAE）和支持向量機(jī)（SVM）等方法進(jìn)行對比,ABiLSTM模型的故障識別性能優(yōu)于各類常見模型.另外,通過利用凱斯西儲大學(xué)滾動軸承在不同工況條件下的數(shù)據(jù),對ABiLSTM模型進(jìn)行泛化性能實(shí)驗(yàn),變工況樣本的故障識別準(zhǔn)確率仍然能夠達(dá)到95%以上. 

【文章來源】：天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版). 2020,53(06)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

式中：σ為sigmoid激活函數(shù)；Wo為輸出門權(quán)重矩陣.得益于對信息流的控制，LSTM在獲取和儲存信息方面強(qiáng)于一般RNN網(wǎng)絡(luò)，能夠盡可能地保留目標(biāo)信息，丟棄冗雜信息，保證提取特征的時序性．

相比于其他神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，LSTM更加真實(shí)地模擬了人類的行為邏輯和神經(jīng)認(rèn)知過程，盡管目前在一些復(fù)雜任務(wù)中，以CNN為代表的前饋網(wǎng)絡(luò)更具性能優(yōu)勢，但LSTM網(wǎng)絡(luò)處理深層次復(fù)雜任務(wù)的潛力更加值得期待．2 基于ABiLSTM的智能故障診斷框架

【參考文獻(xiàn)】：
期刊論文
[1]長短時記憶網(wǎng)絡(luò)在電機(jī)故障診斷中的應(yīng)用研究[J]. 王惠中,賀珂珂,房理想.  自動化儀表. 2019(01)
[2]基于深度置信網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)故障診斷方法[J]. 李夢詩,余達(dá),陳子明,夏侯凱順,李堉鋆,季天瑤.  電機(jī)與控制學(xué)報. 2019(02)
[3]Remaining Useful Life Prediction of Turbofan Engine Using Hybrid Model Based on Autoencoder and Bidirectional Long Short-Term Memory[J]. 宋亞,石郭,陳樂懿,黃鑫沛,夏唐斌.  Journal of Shanghai Jiaotong University（Science）. 2018(S1)
[4]基于S試件的加工中心電主軸載荷譜編制[J]. 陳代偉,吳軍,張彬彬,王立平,梁建紅.  清華大學(xué)學(xué)報(自然科學(xué)版). 2018(12)
[5]基于一維卷積神經(jīng)網(wǎng)絡(luò)的滾動軸承自適應(yīng)故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰.  儀器儀表學(xué)報. 2018(07)
[6]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報. 2018(04)
[7]基于深度學(xué)習(xí)的無人機(jī)人機(jī)交互系統(tǒng)[J]. 侯永宏,葉秀峰,張亮,李照洋,董嘉蓉.  天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版). 2017(09)
[8]大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J]. 雷亞國,賈峰,孔德同,林京,邢賽博.  機(jī)械工程學(xué)報. 2018(05)
[9]深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣.  控制與決策. 2017(08)
[10]深度學(xué)習(xí)在控制領(lǐng)域的研究現(xiàn)狀與展望[J]. 段艷杰,呂宜生,張杰,趙學(xué)亮,王飛躍.  自動化學(xué)報. 2016(05)



本文編號：3644187