双向LSTM融合多尺度卷积的轴承亚健康识别算法

针对传统卷积神经网络(CNN)在轴承故障诊断中只能提取空间特征且特征单一,无法提取数据中时序信息的问题,本文提出一种双向长短期记忆网络(LSTM)结合多尺度卷积神经网络(MS-CNN)轴承亚健康识别算法.多尺度卷积可以提取多维空间相关性信息,避免因单一尺寸卷积核过大或过小造成无法精确定位或覆盖冲击特征位置的问题.双向长短期记忆网络可以提取数据中时序相关性信息,且改进后单元结构只具有一个“门”结构,有效减少参数量.实验结果表明,提出算法具有较快的网络收敛速度,并且准确率能达到98.7%.