|
|||||
|
|
| 基于DBN-SVDD的滚动轴承性能退化评估方法 | |
| 作者姓名： | 程道来 魏婷婷 潘玉娜 马向华 |
| 作者单位： | 1.上海应用技术大学城市建设与安全工程学院;2.上海应用技术大学机械工程学院;3.上海应用技术大学轨道交通学院;4.上海应用技术大学电气与电子工程学院 |
| 基金项目： | 国家重点研发计划(2020YFB2007700) |
| 摘 要： | 针对现有性能退化评估方法需要人工经验筛选特征指标,难以获取轴承故障状态下振动信号的问题,提出了一种基于深度置信网络(DBN)和支持向量数据描述(SVDD)相结合的滚动轴承性能退化评估方法。该方法以滚动轴承正常状态下的归一化幅值谱作为DBN的输入,利用DBN中的RBM构建特征自动提取模型,通过SVDD构建评估模型。使用不同工况下滚动轴承全寿命周期试验数据的分析表明,该方法能够很好地揭示轴承性能退化规律,而且摆脱了特征选择的人为干预,可以准确检测出滚动轴承早期微弱故障。 |
| 关 键 词： | 滚动轴承 性能退化 神经网络 深度置信网络 支持向量数据描述 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《轴承》浏览原始摘要信息 | |
| 点击此处可从《轴承》下载全文 | |