基于改进1DCNN-BiGRU的转子系统智能故障诊断

针对现有基于一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)的转子系统故障诊断方法缺乏不同尺度和关键特征提取能力以及时间特征丢失的问题,提出了一种基于改进1DCNN和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的智能故障诊断方法。首先,利用1DCNN提取信号的空间特征,引入多尺度模块提取不同尺度的特征,引入通道优先卷积注意力(channel prior convolutional attention,CPCA)提取关键特征;然后,引入BiGRU模块获取特征信号的时间特性;最后,将改进1DCNN-BiGRU应用于转子系统转静碰摩、不平衡等故障的诊断,实验表明本文所提方法故障诊断率高达99.86%。