基于深度置信网络和信息融合技术的轴承故障诊断

论文摘要

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。

论文目录

• 1 基于DBN和信息融合技术的故障识别方法
•   1.1 方法概述
•   1.2 采用EEMD的信号处理
•   1.3 DBN的基本构架和训练过程
•     1.3.1 DBN的基本构架
•     1.3.2 DBN的训练过程
•   1.4 基于简单投票法的信息融合
• 2 应用实例分析
•   2.1 实验数据
•   2.2 轴承振动信号分解
•   2.3 故障诊断结果与分析
• 3 结语

文章来源

类型: 期刊论文

作者: 蒋黎明,李友荣,徐增丙,鲁光涛

关键词: 滚动轴承,故障诊断,深度置信网络,信息融合,集合经验模式分解,简单投票法

来源: 武汉科技大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 机械工业

单位: 武汉科技大学冶金装备及其控制教育部重点实验室,华中科技大学数字制造设备与技术国家重点实验室

基金: 国家自然科学基金资助项目(51775391,51808417,51405353)

分类号: TH133.33

页码: 40-44

总页数: 5

文件大小: 973K

下载量: 492