关键词：门控循环单元;深度卷积神经网络;转盘轴承;dropout网络;MAE函数
摘 要：针对现有石油旋转机械故障诊断算法存在的问题，提出一种融合GRU单元优化改进的CNN网络算法模型。先利用小波包算法保留高频区间的弱故障信号特征，选择ReLU函数作为CNN网络卷积层的激活函数，提升算法的运行速率并抑制模型梯度值的过快衰减；基于GRU单元整合输入门和遗忘门，抑制CNN网络存在的梯度弥散问题，改善了CNN网络模型的故障数据训练性能和分类检测性能。实验结果显示：融合GRU单元的CNN网络对训练集和测试集的故障诊断精度和故障分类能力均优于现有故障诊断算法，而且MAE函数的预测值和真实值更接近。
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