首页 | 本学科首页   官方微博 | 高级检索  
     

CDBN‑IKELM的轴承变工况故障诊断方法
作者姓名:向玲  苏浩  胡爱军  杨鑫  徐进  王伟
作者单位:(1.华北电力大学河北省电力机械装备健康维护与失效预防重点实验室 保定,071003)
基金项目:国家自然科学基金资助项目(52075170,52175092)
摘    要:针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题,提出了基于卷积深度置信网络(convolutional deep belief network,简称CDBN)与改进核极限学习机 (improved Kernel?based extreme learning machine,简称IKELM)的滚动轴承故障智能识别方法。首先,由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取;其次,利用等距特征映射对提取的多维特征进行降维,去除冗余特征信息;然后,采用改进的核极限学习机对特征进行分类,使用粒子群(particle swarm optimization, 简称PSO)对模型重要参数进行优化,实现滚动轴承变工况下的故障识别;最后,将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明,该方法能够智能有效地识别变工况的轴承故障,诊断结果优于已有的智能故障诊断方法。

关 键 词:故障诊断  轴承  卷积深度置信网络  核极限学习机  变工况
点击此处可从《振动、测试与诊断》浏览原始摘要信息
点击此处可从《振动、测试与诊断》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号