IDCNN-WOA-DELM轴承故障诊断

多工况下准确诊断

该诊断方法通过结合ECA-Net和BiLSTM的改进DCNN提取深层特征，并采用WOA优化DELM分类器，提升了轴承故障诊断的准确性。

王丽君 · Dongzhi, Ping · Chengguang, Wang · Shitong, Jiang · Shen, Jie · Zhang, Jianyong

Processes 2023

技术优势

深层特征可提取

通过引入ECA-Net注意力机制自适应调整通道权重，并结合BiLSTM捕捉时序依赖，从原始振动信号中提取更具判别力的深层特征。

DELM权重可优化

利用鲸鱼优化算法自动搜索DELM输入层权重初始化值，避免了随机初始化对分类性能的影响。

应用场景

• 旋转机械轴承故障诊断：用深度学习自动识别轴承故障类型，减少人工分析。
• 设备健康监测：部署到监测系统中，实时判断设备健康状态。
• 智能运维：为预测性维护提供故障诊断依据，减少非计划停机。