CDBN?IKELM的轴承变工况故障诊断方法 |
| |
引用本文: | 向玲,苏浩,胡爱军,杨鑫,徐进,王伟.CDBN?IKELM的轴承变工况故障诊断方法[J].振动.测试与诊断,2022,42(3):432-438. |
| |
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 |
|