一种基于LSTM-CNN融合模型的轴承故障实时诊断系统技术方案

本发明专利技术公开了一种基于LSTM‑CNN融合模型的轴承故障实时诊断系统，涉及机械故障智能诊断领域，具体包括以下步骤：S1：搭建信号采集实验平台，通过振动传感器采集轴承振动加速度数据；S2：对加速度数据进行预处理，并构建故障轴承数据集；S3：将故障轴承数据集输入LSTM‑CNN融合模型中，添加注意力机制LSTM层，重新分配故障权重，突出故障类型特征，训练并保存融合模型参数；S4：将融合模型移植到树莓派4B嵌入式平台中；S5：以树莓派4B作为主控系统，实时输出轴承故障类型；S6：对上位机软件进行设计。本发明专利技术采用上述的一种基于LSTM‑CNN融合模型的轴承故障实时诊断系统，有效解决工业现场对轴承故障诊断准确率低和实时性差的问题，有利于及时发现机组轴承故障。

【技术实现步骤摘要】

本专利技术涉及机械故障智能诊断领域，尤其是涉及一种基于lstm-cnn融合模型的轴承故障实时诊断系统。

技术介绍

1、现有技术中，例如cn1106889130a公开了一种轴承故障诊断方法，步骤包括：获得轴承目标域样本集和源域样本集；根据源域数据样本集大小得到不同源域bn模型参数的源权重系数；计算目标域初始bn模型参数的平衡系数α1和总源域bn模型参数的平衡系数α2；依据传统参数学习方法计算出各个源域bn模型参数和目标域初始bn模型参数；利用参数融合方法计算出目标域最终bn模型参数。本专利技术通过学习到的目标域bn模型和已有的推理算法，来进行轴承故障诊断，充分利用迁移机制从相近领域中获取数据和信息，减少了样本量不足对参数学习精度和诊断结果的影响；

2、但是上述轴承故障诊断方法在对样本集进行训练的过程中并没有对训练结果进行评估，模型训练效果不佳可能导致对轴承故障的推理诊断产生一定偏差。

3、cn117251680b公开了一种轴承故障诊断网络，包括轻型网络resdensenet-ca与高精度网络多尺度交叉密集连接网络(mscdnet)，都本文档来自技高网...

【技术保护点】

1.一种基于LSTM-CNN融合模型的轴承故障实时诊断系统，其特征在于：具体包括以下步骤：

2.根据权利要求1的一种基于LSTM-CNN融合模型的轴承故障实时诊断系统，其特征在于：步骤S1中，信号采集实验平台包括设备故障预测和健康管理PHM实验平台、故障轴承和振动传感器，具体包括以下步骤：

3.根据权利要求1的一种基于LSTM-CNN融合模型的轴承故障实时诊断系统，其特征在于：步骤S2中，具体过程如下：

4.根据权利要求1的一种基于LSTM-CNN融合模型的轴承故障实时诊断系统，其特征在于：步骤S3中，具体过程如下：

5.根据权利要求4的一...

【技术特征摘要】

1.一种基于lstm-cnn融合模型的轴承故障实时诊断系统，其特征在于：具体包括以下步骤：

2.根据权利要求1的一种基于lstm-cnn融合模型的轴承故障实时诊断系统，其特征在于：步骤s1中，信号采集实验平台包括设备故障预测和健康管理phm实验平台、故障轴承和振动传感器，具体包括以下步骤：

3.根据权利要求1的一种基于lstm-cnn融合模型的轴承故障实时诊断系统，其特征在于：步骤s2中，具体过程如下：

4.根据权利要求1的一种基于lstm-cnn融合模型的轴承故障实时诊断系统，其特征在于：步骤s3中，...

【专利技术属性】
技术研发人员：李玉祥，李君，陈星豪，李治霖，张涛，史金辉，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：