PSO优化深度神经网络诊断齿轮早期点蚀故障

论文摘要

基于数据驱动方法诊断齿轮故障时一般会用傅里叶变换等进行特征提取,特征提取方法的选取对诊断结果影响很大.提出应用深度神经网络来诊断齿轮早期点蚀故障,直接以采集的振动信号作为网络输入,可以避免特征提取环节产生误差.此外,应用粒子群算法优化深度神经网络,使训练过程更稳定、诊断率更高.在分析结果时应用主成分分析法对网络输出进行降维.用实验采集的数据训练并测试网络,诊断正确率能达到90%之上,证明所提出的方法是合理、可用的.

论文目录

• 1 算法实现
•   1.1 DNN简介
•   1.2 PSO算法
•   1.3 PCA算法
• 2 实验设计及数据采集
• 3 DNN训练与测试
•   3.1 DNN训练
•   3.2 DNN测试及结果讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 李嘉琳,何巍华,曲永志

关键词: 齿轮,早期点蚀,粒子群算法,深度神经网络,主成分分析

来源: 东北大学学报(自然科学版) 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: 东北大学机械工程与自动化学院,伊利诺伊大学芝加哥分校机械及工业工程系,武汉理工大学机电工程学院

基金: 国家自然科学基金资助项目(51505353,51675089)

分类号: TP183;TH132.41

页码: 974-979

总页数: 6

文件大小: 2074K

下载量: 178