摘要
本发明提供一种基于改进后一维卷积循环神经网络的电机轴承故障诊断方法,包括以下步骤:步骤S1:使用收集到的大量轴承故障电机的振动信号训练改进后一维卷积循环神经网络模型;步骤S2:使用经过训练的改进后一维卷积循环神经网络模型对实际采集到的电机轴承故障信号进行分类和识别。采用本发明的技术方案,解决了现有技术需要人工判断复杂机械的故障难题,且不依赖于复杂的专业知识判断。
技术关键词
卷积循环神经网络
电机轴承故障
长短时间记忆网络
引入注意力机制
卷积特征提取
信号
故障诊断模型
数据
神经网络结构
LSTM模型
节点数
文件夹
电机壳体
特征数
系统为您推荐了相关专利信息
实时预警系统
神经网络模型
评估指标体系
风险
金融市场数据
误差修正方法
交通事故现场
无人机
误差修正模型
贝叶斯神经网络
精准定位系统
图像识别算法
宫颈
图像采集模块
激光治疗设备
监测点
实时监测方法
三维形变监测
门控循环网络
实时监测系统