论文摘要
针对滚动轴承故障诊断中单一传感器信息的不全面性、单一网络模型的不确定性,提出了基于多深度学习模型决策融合的滚动轴承故障诊断方法。首先,利用深度卷积网络（CNN）和层叠降噪自动编码器（SDAE）分别对两个振动传感器信号进行自适应特征提取,经softmax初步分类。接着将两个网络的输出结果利用D-S证据理论进行融合,得到最终诊断结果。实验结果表明,利用该方法对滚动轴承进行故障诊断正确率达到95.63%,相比CNN正确率提高了5.49%,相比SDAE正确率提高了10.42%,验证了该方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 张立智,谭继文,徐卫晓,井陆阳
关键词: 滚动轴承,深度学习,深度卷积网络,降噪自动编码器,故障诊断
来源: 组合机床与自动化加工技术 2019年08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: 青岛理工大学机械与汽车工程学院
基金: 国家自然科学基金项目(51475249),山东省重点研发计划项目(2018GGX103016),山东省高等学校科技计划项目(J15LB10)
分类号: TP18;TH133.33
DOI: 10.13462/j.cnki.mmtamt.2019.08.016
页码: 59-62
总页数: 4
文件大小: 673K
下载量: 450