基于深度置信网络和对称点模式电机轴承故障诊断研究 |
| |
引用本文: | 张苏颖,竺兴妹,许曙青. 基于深度置信网络和对称点模式电机轴承故障诊断研究[J]. 噪声与振动控制, 2022, 42(3): 98-104 |
| |
作者姓名: | 张苏颖 竺兴妹 许曙青 |
| |
作者单位: | ( 1. 江苏联合职业技术学院南京工程分院,南京210035; 2. 中国矿业大学经济与管理学院,江苏徐州221116 )
|
| |
摘 要: | 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。
|
关 键 词: | 电机轴承 对称点模式 深度置信网络 故障诊断 |
收稿时间: | 2021-05-14 |
修稿时间: | 2021-08-02 |
Research of Motor Bearing Fault Diagnosis Based on Deep Belief Network and Symmetric Dot Pattern |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 |
|
点击此处可从《噪声与振动控制》下载全文 |
|