| 基于FFT-SDAE的地铁牵引电机轴承故障智能诊断 |
| |
| 引用本文： | 李琛,徐彦伟,颉潭成,赵朋飞. 基于FFT-SDAE的地铁牵引电机轴承故障智能诊断[J]. 现代制造工程, 2021, 0(11): 155-161. DOI: 10.16731/j.cnki.1671-3133.2021.11.024 |
| |
| 作者姓名： | 李琛 徐彦伟 颉潭成 赵朋飞 |
| |
| 作者单位： | 河南科技大学机电工程学院,洛阳471003;河南科技大学机电工程学院,洛阳471003;智能数控装备河南省工程实验室,洛阳471003 |
| |
| 摘 要： | 针对地铁牵引电机轴承故障诊断中因工况复杂影响人工提取特征效果的问题,提出了一种基于快速傅里叶变换(Fast Fourier Transform,FFT)和堆叠降噪自编码器(Stacked Denoising Auto Encoder,SDAE) (FFT-SDAE)的地铁牵引电机轴承故障智能诊断方法.首先,使用大量无标签数据预训练深度自编码器的特征提取能力,自适应提取轴承故障特征;然后,通过小样本有标签数据微调网络学习分类性能,搭建地铁牵引电机轴承的FFT-SDAE网络模型;最后,通过试验研究FFT-SDAE网络结构对轴承故障诊断准确率的影响,选取最佳网络参数.试验结果表明,在变转速和变载荷的情况下,所提方法可以很好地提取故障的深层特征,在使用工况较复杂的数据集时,所提方法的诊断准确率优于传统的故障诊断方法.
|
| 关 键 词： | 堆叠降噪自编码器 变工况 地铁牵引电机轴承 故障智能诊断 |
Intelligent diagnosis of subway traction motor bearing fault based on FFT-SDAE |
| |
| LI Chen,XU Yanwei,XIE Tancheng,ZHAO Pengfei. Intelligent diagnosis of subway traction motor bearing fault based on FFT-SDAE[J]. Modern Manufacturing Engineering, 2021, 0(11): 155-161. DOI: 10.16731/j.cnki.1671-3133.2021.11.024 |
| |
| Authors: | LI Chen XU Yanwei XIE Tancheng ZHAO Pengfei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
