基于ISFLA优化深度置信网络的滚动轴承故障诊断方法研究
作者：齐洪方,黄定洪 单位：武汉华夏理工学院智能制造学院；武汉理工大学机电工程学院 本文刊于： 《机电工程》 2021年第01期
关键词:
滚动轴承 故障诊断 深度置信网络 改进混合蛙跳算法Keywords
rolling bearing, fault diagnosis, deep belief network(DBN), improved shuffled frog leaping algorithm(ISFLA)
全文下载：需积分3点。
摘要
传统故障诊断模型训练时易陷入局部最优、模型泛化能力差,且故障识别精度易受人工特征提取质量的影响,针对这一问题对滚动轴承故障诊断方法进行了研究。首先,提出了基于深度置信网络(DBN)的滚动轴承故障诊断模型,研究了DBN模型的逐层自适应特征提取能力;然后,提出了一种改进的混合蛙跳算法(ISFLA),对DBN各隐含层神经元个数和反向微调算法学习率进行了优化;最后,在不进行任何特征提取的情况下,利用美国凯斯西储大学的轴承数据集进行了实验研究,提取了原始时域振动信号,进行了故障特征分析,并与BP、DBN和PSO-DBN算法进行了对比。研究结果表明:与其他方法相比,ISFLA-DBN的故障识别精度最高,算法收敛速度最快,模型泛化能力最好。
本文地址：www.fabiao.net/content-24-4057-1.html
本文地址：www.fabiao.net/content-24-4057-1.html
