２０２３年第４２卷４月第４期机械科学与技术ＭｅｃｈａｎｉｃａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｆｏｒＡｅｒｏｓｐａｃｅＥｎｇｉｎｅｅｒｉｎｇＡｐｒｉｌＶｏｌ．４２２０２３Ｎｏ．４ｈｔｔｐ：／／ｊｏｕｒｎａｌｓ．ｎｗｐｕ．ｅｄｕ．ｃｎ／收稿日期：２０２１０５０６基金项目：江西省重点研发计划项目（２０２０２ＢＢＥＬ５３００８）作者简介：杨云（１９７２－），高级实验师，研究方向为故障诊断、检测技术及自动化，ｙｙａｎｇ＠ｅｃｊｔｕ．ｅｄｕ．ｃｎ杨云，丁磊，张昊宇．改进一维卷积神经网络与双向门控循环单元的轴承故障诊断研究［Ｊ］．机械科学与技术，２０２３，４２（４）：５３８⁃５４５改进一维卷积神经网络与双向门控循环单元的轴承故障诊断研究杨云，丁磊，张昊宇（华东交通大学电气与自动化工程学院，南昌３３００３３）摘要：针对传统智能故障诊断依赖于人工经验进行特征提取和传统卷积神经网络（Ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＣＮＮ）参数过多、训练量过大且无法充分利用时间序列信息的缺点，提出一种基于改进一维卷积神经网络与双向门控循环单元的深度学习新算法。首先，该方法利用一维卷积神经网络自提取能力进行特征提取，同时设计了一个全局均值池化层替换传统卷积神经网络的全连接层，减少参数数量；其次，引入双向门控循环单元学习特征信号中的时间序列关系；最后，通过支持向量机替换传统ＣＮＮ中的Ｓｏｆｔｍａｘ层进行故障分类，进一步提高诊断的准确率。实验表明，该方法将诊断的准确率提升至９９．８％，并且加快了诊断的速度。通过与其他方法的对比，证明了该方法有着更高的准确率，更快的诊断速度，更好的鲁棒性。关键词：轴承故障诊断；卷积神经网络；双向门控循环单元；支持向量机中图分类号：ＴＨ１３３．３３；ＴＨ１６５．３文献标志码：ＡＤＯＩ：１０．１３４３３／ｊ．ｃｎｋｉ．１００３⁃８７２８．２０２００６３８文章编号：１００３⁃８７２８（２０２３）０４⁃０５３８⁃０８ＲｅｓｅａｒｃｈｏｎＢｅａｒｉｎｇＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＩｍｐｒｏｖｅｄＯｎｅ⁃ｄｉｍｅｎｓｉｏｎａｌＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋａｎｄＢｉｄｉｒｅｃｔｉｏｎａｌＧａｔｅｄＲｅｃｕｒｒｅｎｔＵｎｉｔＹＡＮＧＹｕｎ，ＤＩＮＧＬｅｉ，ＺＨＡＮＧＨａｏｙｕ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＡｕｔｏｍ...
