关键词：汽车安全;电机轴承;故障诊断;注意力机制;特征提取;准确率;信噪比
摘 要：为保障汽车的安全行驶，准确诊断和监测电机轴承故障，该文提出一种融合注意力机制的残差型双向长短期记忆网络（LSTM）汽车电机轴承故障诊断方法。利用特征提取模块结合正反向移动的LSTM组以充分感知汽车电机轴承故障特征；信号诊断模块采用残差型双向LSTM架构，并结合局部增强注意力机制优化权值，获得隐藏状态量；通过故障分类模块采用全局平均池化（GAP）方法与SoftMax模型，有效完成故障检测。结果表明：该方法汽车电机轴承故障检测准确率可达93.1%；在训练样本仅为30的条件下，准确率可达66.3%；当测试集的信噪比从10 dB降低至2 dB时，准确率仅下降8.5%。因此，该方法具有更高的准确性和更强的鲁棒性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取