基于深度卷积GRU的转子系统故障诊断

针对转子系统早期故障特征微弱难以提取的问题,结合门控循环单元网络(GRU)提出一种深度卷积门控循环单元(DCGRU)故障诊断方法。该方法采用卷积操作提取转子系统振动信号的高维特征,基于GRU网络处理其中的深层时序特征,利用Softmax层进行特征分类识别实现故障诊断。该方法通过卷积拟合样本的非线性特征,从而提高了GRU网络的时序特征提取能力,优化了传统GRU网络训练过程中存在的梯度消失和梯度爆炸现象。转子系统故障诊断实验结果表明,DCGRU方法能精确表征转子系统振动信号的隐含时序特征,进而得到更高的故障诊断精度。

资料为PDF文档格式.

本文档关键词:转子,深度,诊断,卷积,系统故障