标题:基于小波包-AR谱和深度学习的轴承故障诊断研究
作者:贺思艳; 刘亚; 田新诚
作者机构:[贺思艳]山东电子职业技术学院智能制造工程系, 济南, 山东 250200, 中国;[刘亚]山东大学控制科学与工程学院, 济南, 山东 250061, 中国;[田新诚]山东大学控制科学 更多
来源:计算机应用研究
出版年:2019
卷:36
期:6
页码:1-7
关键词:小波包分解; 特征提取; 深度信念网络; 故障诊断
摘要:针对轴承故障信号的非平稳性和非线性的特点,采用小波包分解和自回归(auto-regressive,AR)谱估计相结合的方法提取振动信号特征值;为; 了提高诊断结果的精度,提出用深度信念网络(deep believe; network,DBN)进行诊断模型训练.首先,对轴承振动信号进行小波包分解和自回归谱估计,计算不同频段的能量实现轴承故障特征提取;其次,将提取; 到的特征值作为深度信念网络的输入向量,进行模型训练;最后,用训练好的模型进行故障诊断.为验证所提方法的有效性,采用美国凯斯西储大学提供的旋转轴承; 数据集,将提出的算法与三种故障诊断方法进行对比实验.实验结果表明,所提方法具有更好的诊断性能.
收录类别:CSCD
资源类型:期刊论文
原文链接:http://kns.cnki.net/kns/detail/detail.aspx?FileName=JSYJ2018070900N&DbName=CAPJ2019
TOP