|
|||||
|
|
| 基于堆栈稀疏自编码器的滚动轴承故障诊断 | |
| 作者姓名： | 徐活耀 陈里里 |
| 作者单位： | 重庆交通大学机电与车辆工程学院,重庆400074;重庆交通大学城市轨道车辆系统集成与控制重点实验室,重庆400074;重庆交通大学机电与车辆工程学院,重庆400074;重庆交通大学城市轨道车辆系统集成与控制重点实验室,重庆400074 |
| 摘 要： | 针对提取有效滚动轴承特征和消除特征之间的冗余,提出一种基于堆栈稀疏自编码器和Softmax层构建的深度神经网络(DNN)用于轴承故障诊断。首先从振动信号提取12个统计特征和6个时频域特征,然后将获得的特征用于构建18维特征向量;高维特征向量通过堆栈稀疏自编码器逐层贪婪学习获得无冗余的高级特征;最后将高级特征输入Softmax分类层进行轴承故障诊断。实验结果表明:相比于传统BP和SVM分类器,DNN能更准确地识别滚动轴承故障类型。 |
| 关 键 词： | 滚动轴承 堆栈自编码器 Softmax层 深度神经网络 故障诊断 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《机床与液压》浏览原始摘要信息 | |
| 点击此处可从《机床与液压》下载全文 | |