公开(公告)号：CN117216522A

公开(公告)日：2023-12-12

申请号：CN202311197694.8

申请日：2023-09-15

Applicant: 江南大学

Inventor： 刘勇 ,  徐小洁

IPC: G06F18/213 ,  G01M13/045 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084 ,  G06N20/00

Abstract: 本发明涉及一种基于机器学习的轴承故障类别诊断方法，包括将注意力机制引入双向长短期记忆网络中，构建改进CNN‑BILSTM模型；获取待检测轴承的振动信号，利用滑动窗口截取预设长度的样本信号，进行预处理，获取样本时频域特征；利用PCA算法对所述样本时频域特征进行特征降维，输出预设维度的样本时频域特征；将预设维度的样本时频域特征输入预训练好的改进CNN‑BILSTM模型中，依次经过卷积层卷积、激活层非线性变换与池化层特征提纯，输出空间特征至BILSTM模块；所述空间特征分别经过BILSTM模块的第一LSTM单元与第二LSTM单元进行退化特征信息的提取，两个LSTM单元的输出拼接，作为输出特征；将所述输出特征送入Softmax分类器中，其包括全连接层与输出层，对所述输出特征进行分类，获取轴承故障类别。