基于SENet-ResNext-LSTM的风机轴承故障诊断
杜浩飞1
张超2
李建军1
1.内蒙古科技大学 信息工程学院,包头 0140102.内蒙古科技大学 机械工程学院,包头 014010
摘要：针对风机滚动轴承故障诊断需要提取大量复杂特征,提出一种基于注意力机制、ResNext网络和长短时记忆(Long Short Term Memory,LSTM)网络的并行轴承故障诊断模型.首先,将采集的一维振动信号进行预处理;然后,分两路输入到模型中提取特征,其中一路输入到嵌入注意力机制的ResNext模块中,注意力机制可以增加重要特征的权重,减少模型运算量,另一路输入到LSTM网络中提取振动信号在时间序列上的依赖关系;最后,将两路提取到的特征进行融合输入到Softmax层进行故障分类.实验结果表明,与目前基于深度学习的轴承故障诊断方法相比,所提方法在轴承故障分类准确率上表现更好.
关键词：故障诊断注意力机制ResNextLSTM
分类号：TH133.33(机械零件及传动装置)TH17(机械运行与维修)
论文发表日期：2023-12-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1271-1279 )
英文信息