收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于堆栈稀疏自编码器的滚动轴承故障诊断

徐活耀  陈里里  
【摘要】:针对提取有效滚动轴承特征和消除特征之间的冗余,提出一种基于堆栈稀疏自编码器和Softmax层构建的深度神经网络(DNN)用于轴承故障诊断。首先从振动信号提取12个统计特征和6个时频域特征,然后将获得的特征用于构建18维特征向量;高维特征向量通过堆栈稀疏自编码器逐层贪婪学习获得无冗余的高级特征;最后将高级特征输入Softmax分类层进行轴承故障诊断。实验结果表明:相比于传统BP和SVM分类器,DNN能更准确地识别滚动轴承故障类型。

知网文化
【相似文献】
中国期刊全文数据库 前14条
1 李萌;张星博;;基于堆栈稀疏自编码的滚动轴承故障诊断[J];长春大学学报;2019年12期
2 杜小磊;陈志刚;张楠;郭兴国;;基于小波和深度小波自编码器的轴承故障诊断[J];机械传动;2019年09期
3 李晴晴;侯瑞春;丁香乾;;基于改进堆叠自编码器的滚动轴承故障诊断[J];计算机工程与设计;2019年07期
4 金庆江;徐晨玮;;轮胎式起重机测速编码器常见故障分析与解决方案[J];港口科技;2016年08期
5 汪鹏;何清波;;基于参数稀疏自编码器的旋转机械故障诊断[J];机械与电子;2020年07期
6 郭淑娟;;防爆编码器壳体加工工艺设计[J];科学之友;2013年05期
7 祝鹏辉;;集装箱起重设备编码器故障及排除[J];装备制造技术;2012年03期
8 郭齐;;绝对值编码器在链条位置检测中的应用[J];煤炭与化工;2015年03期
9 杨江天,陈家骥,曾子平;基于1 1/2维谱的滚动轴承故障诊断[J];机械强度;1999年04期
10 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期
11 石振东;;模数转换——Ⅴ形编码器的精度分析[J];船工科技;1981年02期
12 龚廷恺;;基于改进l_1趋势滤波的滚动轴承故障诊断[J];南昌航空大学学报(自然科学版);2017年04期
13 张雨;彭志召;张进秋;毕占东;周晓;;基于虚拟仪器的滚动轴承故障诊断[J];轴承;2010年07期
14 沙美妤;刘利国;;基于振动信号的轴承故障诊断技术综述[J];轴承;2015年09期
中国重要会议论文全文数据库 前10条
1 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年
2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
3 郜普刚;何田;林意洲;刘献栋;;基于局部均值分解的滚动轴承故障诊断[A];2010中国汽车工程学会年会论文集[C];2010年
4 刘锋;马怀祥;王亚涛;;基于共振解调的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
5 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
6 徐新韬;王华庆;沈伟;李岭阳;杨晓;;基于信息融合与1.5维谱的轴承故障诊断方法[A];2015年中国机械工程学会设备与维修工程分会学术年会论文集[C];2015年
7 单添敏;曹亮;沈勇;王景霖;林泽力;陈杰;;基于Fisher判别的轴承故障诊断与健康评估方法研究[A];“测试性与智能测控技术”——2018年中国航空测控技术专刊[C];2018年
8 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年
9 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
10 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
中国硕士学位论文全文数据库 前10条
1 高冠琪;时频挤压阶比方法及其变转速轴承故障诊断研究[D];苏州大学;2019年
2 胡俊;基于堆栈降噪自编码的轴承故障诊断方法研究[D];华东交通大学;2017年
3 叶友谊;基于优化支持向量机的滚动轴承故障诊断[D];福州大学;2014年
4 李志伟;基于振动信号的轴承故障诊断[D];西南石油大学;2019年
5 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年
6 王蕾蕾;基于深度自编码网络的轴承故障诊断研究[D];华北电力大学;2019年
7 李妍;基于改进极限学习机的轴承故障诊断方法研究[D];西安科技大学;2019年
8 彭刘阳;基于振动信号的滚动轴承故障诊断与状态识别方法研究[D];中国矿业大学;2019年
9 董德亿;基于输出信号相关性分析的轴承故障诊断方法[D];杭州电子科技大学;2018年
10 徐剑涛;基于极点对称模态分解及改进支持向量机的轴承故障诊断[D];燕山大学;2018年
中国重要报纸全文数据库 前1条
1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978