| 基于小波包能量熵和DBN的轴承故障诊断 |
| |
| 引用本文： | 赵光权,姜泽东,胡聪,高永成,牛广行.基于小波包能量熵和DBN的轴承故障诊断[J].电子测量与仪器学报,2019,33(2):32-38. |
| |
| 作者姓名： | 赵光权 姜泽东 胡聪 高永成 牛广行 |
| |
| 作者单位： | 哈尔滨工业大学 自动化测试与控制研究所 哈尔滨150080;桂林电子科技大学 广西自动检测技术与仪器重点实验室 桂林541004;南卡罗来纳大学电气工程系 哥伦比亚29208 |
| |
| 基金项目： | 广西自动检测技术与仪器重点实验室资助项目 |
| |
| 摘 要： | 轴承是旋转机械设备的关键部件,目前已有很多轴承故障诊断方法,但其中一些方法只能针对特定的轴承故障进行诊断,可能不适用于其他轴承故障问题,而且大部分方法的诊断准确率还可以进一步提高。提出小波包能量熵与深度置信网络(DBN)相结合的方法进行轴承故障诊断。首先对轴承振动信号进行小波包变换,然后以能量熵的形式构建特征向量,这些特征向量含有不同频段内的振动能量大小,可以用于区分各种轴承故障。最后利用基于DBN的深度模型对能量熵特征向量进行故障识别。使用两类轴承数据集进行验证,分别获得100%和99.5%的故障识别准确率。实验结果表明,该诊断方法具有较好的通用性,而且可以达到很高的诊断准确率。
|
| 关 键 词： | 轴承故障诊断 小波包能量熵 特征提取 深度置信网络 |
Bearing fault diagnosis based on wavelet packet energy entropy and DBN |
| |
| Zhao Guangquan,Jiang Zedong,Hu Cong,Gao Yongcheng,Niu Guangxing.Bearing fault diagnosis based on wavelet packet energy entropy and DBN[J].Journal of Electronic Measurement and Instrument,2019,33(2):32-38. |
| |
| Authors: | Zhao Guangquan Jiang Zedong Hu Cong Gao Yongcheng Niu Guangxing |
| |
| Affiliation: | 1. Automatic Test and Control Institute, Harbin Institute of Technology;2.Guangxi Key Laboratory of Automatic Detection Technology and Instruments, Guilin University of Electronic Technology; 3.Department of Electrical Engineering, University of South Carolina |
| |
| Abstract: | |
| |
| Keywords: | bearing fault diagnosis wavelet packet energy entropy feature extraction deep belief network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
|
