来源：期刊VIP网 时间：
作者：张雄;王文强;马亚伟;钟文超;万书亭;蔡伟;
单位：河北省电力机械装备健康维护与失效预防重点实验室;华北电力大学机械工程系;燕山大学起重机械关键技术全国重点实验室;
摘要：针对滚动轴承在多种工况下多种故障共存导致的智能故障诊断模型准确性下降问题，本文提出了一种二维卷积神经网络（2D-CNN）和长短期记忆网络（LSTM）集成的滚动轴承多故障诊断模型（MF2D-CNN-LSTM）。用2D-CNN代替以往的1D-CNN作为空间特征提取器，以获取信号多种局部特征和全局特征，并引入批量归一层（BN）来优化模型。使用平均池化层代替最大池化层，全局平均池化层代替Flatten，将LSTM层作为信号时序信息特征提取器，对该模型处理数据的特征提取过程进行可视化。综合信号的空间和时序信息特征，通过分类层输出分类结果并将其可视化。通过西安交通大学XJTU-SY实验数据，验证了所提方法在多种工况下的多种轴承故障共存分类方面具有出色的效果。
关键词：滚动轴承;;卷积神经网络;;长短期记忆网络;;可视化;;多分类问题
基金资助：国家自然科学基金资助项目（52105098）;; 河北省自然科学基金资助项目（E2024502052,E2021502038）;; 中央高校基本科研业务费专项资金资助项目（2025MS137）
