-
题名基于改进堆叠稀疏降噪自编码器的轴承故障诊断
被引量：9
- 1
-
-
作者
张智恒
周凤星
严保康
喻尚
-
机构
武汉科技大学信息科学与工程学院
-
出处
《轴承》
北大核心
2021年第2期35-41,共7页
-
文摘
为提高堆叠稀疏降噪自编码器的性能,解决其计算复杂度高、收敛速度慢等问题,提出了一种基于堆叠边缘化稀疏降噪自编码器的滚动轴承故障诊断方法。首先,对稀疏降噪自编码器的损失函数进行边缘化处理,并结合逐层贪婪训练策略构建出SMSDAE网络;然后,将SMSDAE网络与Softmax分类器结合,得到SMSDAE-Softmax特征提取模型;最后,将提取到的特征输入到SVM多分类器中完成对滚动轴承的智能故障诊断。QPZZ-Ⅱ旋转机械故障模拟试验平台所得故障信号的处理结果表明,该方法的平均故障诊断率达到了99.9%,相对于其他方法具备更快的收敛速度,更好的诊断效果,以及更强的鲁棒性。另外,采用美国西储大学轴承数据中心10种轴承故障信号进行分析,结果证明了该方法在面对不同类型轴承以及多种故障信号时具备良好的诊断性能,有一定的普适性。
-
关键词
滚动轴承
故障诊断
堆叠边缘化稀疏降噪自编码器
深度学习
-
Keywords
rolling bearing
fault diagnosis
stacked marginalized sparse denoising auto-encoder
deep learning
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
