基于LSTM模型的轴承故障诊断方法研究(毕业论文)

对于轴承故障诊断，通常采用温度、电流、加速度、应力、声发射等信号 进行诊断。温度信号很多时候只能起到故障检测的作用，不能做到故障定位 隔离。而且只有当故障发展到一定程度，才能够发现故障，故障诊断不够及 时。加速度信号是最常用的一种方法，安装方便，价格便宜，应用广泛，发 展得也比较完善，但加速度振动信号有一定的局限性，在部分场合中不能完 成故障诊断的任务。声发射信号比加速度信号频率更高，因此受环境噪声影 响更小，更适用于早期故障和低速运动轴承故障的检测。由于高频信号在机 械设备中衰减较快，声发射信号对于故障诊断对于传感器安装位置等有一定 要求，因此还有一定的研究空间。 振动信号是轴承故障诊断最常用、最直接的方法。基于振动信号的故障 诊断方法已经发展得非常成熟，分析方法种类繁多。针对轴承，故障诊断方 法主要有时域分析、频域分析、时频分析、基于机器学习和基于多传感器信 号融合的方法等。