关键词：时序相关性;;长短时记忆;;滚动轴承;;特征提取;;故障诊断
摘 要：随着大型旋转机械设备的广泛应用，高速旋转机械的故障诊断得到越来越多的关注。旋转机械的周期旋转特性导致信号间存在很强的时序关联关系，当故障发生时，故障特性会在旋转周期间逐渐传递。该研究分析滚动轴承不同类型故障、不同损伤程度振动信号时序相关特性的差异度，提出了周期记忆神经网络(periodization long short-term memory, P-LSTM)故障诊断方法。该方法首先提取旋转机械周期内数据特征，并利用记忆因子对特性在周期间的传递规律进行选择性遗忘，学习其周期间的时序相关特征，从而实现滚动轴承的故障诊断。最后利用滚动轴承多类故障数据对所提出方法进行性能分析和试验，验证了P-LSTM方法学习旋转机械周期间的时序相关特性的有效性，以及进行故障诊断的准确度。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取