基于信息融合及堆栈降噪自编码的齿轮故障诊断

论文摘要

针对传统分类器在齿轮故障诊断时易受噪声干扰,以及单传感器可靠性和容错性不佳的问题,提出了基于信息融合及堆栈降噪自编码(SDAE)的齿轮故障诊断方法。该方法提取多传感器振动时域信号进行数据级融合;利用SDAE进行逐层特征提取;通过有标签数据对网络进行整体微调,建立齿轮状态监测模型。对不同故障齿轮进行故障诊断,对比SDAE、支持向量机(SVM)、神经网络(BPNN)的诊断准确性和鲁棒性。试验结果表明:基于信息融合的SDAE的齿轮故障诊断率为95.17%,高于单一信号分类器的准确率,鲁棒性优于对比方法。

论文目录

• 1 堆栈降噪自编码方法
•   1.1 降噪自编码
•   1.2 堆栈降噪自编码的预训练与微调
• 2 基于信息融合及堆栈降噪自编码的故障诊断模型
•   2.1 多传感器信号融合
•   2.2 诊断模型
• 3 齿轮故障诊断实例
•   3.1 试验数据
•   3.2 诊断结果与分析
•   3.3 鲁棒性和容错性验证
• 4 结 论

文章来源

类型: 期刊论文

作者: 李松柏,康子剑,陶洁

关键词: 信息融合,堆栈降噪自编码,深度学习,齿轮,故障诊断

来源: 振动与冲击 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 中南大学机电工程学院

基金: 国家重点基础研究发展计划(973计划)项目(2014CB046300),湖南省科技计划项目(2016GK2005)

分类号: TH132.41

DOI: 10.13465/j.cnki.jvs.2019.05.031

页码: 216-221

总页数: 6

文件大小: 1243K

下载量: 399