公开(公告)号：CN115982627A

公开(公告)日：2023-04-18

申请号：CN202310045818.4

申请日：2023-01-30

Applicant: 河南科技大学

Inventor： 李军星 ,  徐行 ,  贾现召 ,  邱明 ,  庞晓旭 ,  董艳方 ,  杨传猛

IPC: G06F18/24 ,  G06F18/10 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084 ,  G01M13/045

Abstract: 本发明公开一种基于混合深度学习算法的高铁轴承早期故障识别方法，S1、数据集的生成；S2、使用处理过的数据对CNN‑BiLSTM构建算法进行训练，S2.1、将输入信号输入到卷积层中，进行卷积操作；S2.2、卷积层中使用批正则化层以及Relu线性激活单元；S2.3、进行最大池化操作，只选择池化框中输出的最大值；S2.4、重复S2.1‑S2.3三次；S2.5、将最后一次的池化结果输入到两层BiLSTM循环神经网络中，使用tanh非线性函数及Dropout层；S2.6、将最后一层BiLSTM的第一个单元的输出和最后一个单元的输出展平，输入到全连接层，使用Relu激活函数和dropout层；S3、将结果输出到输出层，使用softmax函数判断振动信号状态；S4、重复S2‑S3，多次训练模型，本发明使振动信号得到充分利用，从而完成对高铁轴向轴承早期故障的识别。

公开(公告)号：CN116399590A

公开(公告)日：2023-07-07

申请号：CN202310374941.0

申请日：2023-04-10

Applicant: 河南科技大学

Inventor： 李军星 ,  徐行 ,  邱明 ,  贾现召

IPC: G01M13/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开一种基于EEMD与改进CNN‑BiLSTM的滚动轴承故障诊断方法，主要步骤为：振动信号的采集与预处理；模型的构建；模型训练；模型测试，其中将振动信号使用EEMD进行分解，输入从单通道变成多通道，使模型更容易提取出其中的特征，加快模型训练速度，在卷积神经网络结构，在第一个卷积层中使用多个尺寸不同的卷积核，从而获得不同的感受野，这样提取到的特征将会更加充分；在后面几层使用残差连接的结构防止因为网络层加深所导致的网络退化，并联双向长短时记忆神经网络能够更充分的完成对时间信息的利用，且在双向长短时记忆神经网络中，使用两个神经元相同的双向长短时记忆神经网络，同时将卷积神经网络的输出作为双向长短时记忆神经网络的输入。