基于S变换与深度学习相结合的滚动轴承故障诊断方法研究

论文摘要

滚动轴承是机械设备中的重要组成部分,因其故障种类繁多,例如故障位置可能出现在轴承的内圈、外圈或者滚动体,故障的尺度又深浅不一,并且其工作环境往往在强噪声背景下,所以传统的信号处理与分类方法很难做到有效地分类识别。针对这一问题,提出一种基于S变换时频分析提取特征与深度学习故障分类的滚动轴承故障的智能识别方法。首先将原始时域数据经过S变换得到二维特征矩阵,再将特征矩阵输入到稀疏自动编码器(Sparse Autoencoders,SAE)中进一步提取其隐含特征,并通过神经网络实现故障的分类。实验结果表明,应用上述方法可以有效地实现对不同位置、不同故障尺度的滚动轴承故障实现准确的诊断。

论文目录

文章来源

类型: 期刊论文

作者: 时培明,苏冠华,殷晓迪

关键词: 变换,深度学习,稀疏自动编码器,故障智能诊断

来源: 现代制造工程 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 燕山大学电气工程学院

基金: 国家自然科学基金项目(51475407),河北省人社厅“三三三人才工程”培养项目(A2016002018)

分类号: TP181;TH133.33

DOI: 10.16731/j.cnki.1671-3133.2019.07.021

页码: 125-130

总页数: 6

文件大小: 429K

下载量: 288

相关论文文献

标签：变换论文;  深度学习论文;  稀疏自动编码器论文;  故障智能诊断论文;