基于深度置信网络和对称点模式电机轴承故障诊断研究

电机轴承的健康状态直接影响电机安全、稳定运行。针对电机轴承故障诊断问题，以故障信号可视化和特征自提取为目标，将深度置信网络(Deep Belief Network，DBN)与对称点模式(Symmetrized Dot Pattern，SDP)变换相结合，提出了一种轴承故障可视化及智能诊断方法。首先基于SDP变换将原始轴承振动信号进行可视化表示，基于最大面积函数选择最佳的SDP参数以通过高分辨率图像清晰区分不同轴承状态，并生成相应的轴承故障SDP图像库；然后采用深度置信网络作为数据训练模型以实现故障特征自提取；最后由位于DBN算法模型后的分类器实现轴承故障的有效诊断。实验结果表明，该方法不仅分类率达到98 %以上，而且具有较好的泛化能力和稳定性。该方法为电机轴承故障可视化和智能诊断提供了一种新思路。

Research of Motor Bearing Fault Diagnosis Based on Deep Belief Network and Symmetric Dot Pattern