Print

全矢深度学习在轴承故障诊断中的应用

论文摘要

为了应对日趋庞杂的故障监测系统数据,针对单通道信号存在的信息遗漏以及传统智能诊断手工提取特征的复杂性和不通用性,提出了全矢深度学习滚动轴承智能诊断方法。首先,用全矢谱融合双通道的振动信号,得到全矢融合后的主振矢数据,克服了单通道振动信号信息不完整的缺点;然后,在此基础上构建全矢深度神经网络,结合稀疏编码和去噪编码算法,自适应地提取故障特征。最后,使用反向传播算法进行网络参数整体微调。试验结果表明,该方法能够自适应地提取更为有效的故障特征,提高了故障诊断准确率和稳定性,改善了传统方法的复杂流程。

论文目录

  • 0 引言
  • 1 深度神经网络算法
  •   1.1 自动编码器及稀疏性
  •   1.2 层叠自动编码器
  • 2 全矢谱理论
  • 3 全矢深度学习方法
  • 4 试验研究
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 陈超宇,陈磊,张旺,韩捷

    关键词: 智能故障诊断,深度学习,全矢谱,稀疏自动编码器

    来源: 机械传动 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 机械工业

    单位: 郑州大学振动工程研究所

    基金: 河南省教育厅科学技术研究重点项目指导计划(13B603970.0),河南省高校重点学科开放实验室项目(PMTE201302A)

    分类号: TH133.33

    DOI: 10.16578/j.issn.1004.2539.2019.01.029

    页码: 144-149

    总页数: 6

    文件大小: 568K

    下载量: 314

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/29e172b3e221a80297ce474b.html