来源：期刊VIP网 时间：
作者：奉中华;
单位：合肥工业大学;
摘要：针对旋转机械故障信号的时间依赖性强、存在动态变化的特点，从而影响故障趋势预测性能的问题，提出一种基于GRU神经网络的旋转机械故障趋势预测方法。采用基追踪方法，依据与原始旋转机械振动信号匹配的原子提取旋转机械故障信号的时频特征。将所提取的时频特征作为GRU神经网络的输入，GRU神经网络采用更新门与重置门捕捉旋转机械故障趋势的长期依赖关系，利用隐藏单元记录旋转机械的故障信息状态，利用重置门控制上一时刻的信息传递数量，生成备选的更新信息。将GRU神经网络输出的隐藏状态值作为注意力层的输入，利用注意力分配机制为旋转机械振动信号赋予权重，再采用加权后的旋转机械振动信号输出旋转机械故障趋势预测结果。实验结果表明，所提方法能够依据旋转机械的振动峰峰值预测旋转机械故障趋势，有助于提高设备运行稳定性。
关键词：旋转机械设备;;故障趋势预测;;GRU神经网络;;注意力分配机制;;基追踪;;振动信号提取
