文献类型：期刊文章

作　　者：陶洁[1,2] 刘义伦[1,3] 付卓[4] 杨大炼[1] 汤芳[1]

机构地区：[1]中南大学机电工程学院,湖南长沙410083 [2]湖南科技大学知识处理与网络化制造实验室,湖南湘潭411201 [3]中南大学轻合金研究院,湖南长沙410083 [4]长沙学院机电工程系,湖南长沙410022

出　　处：《中南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51375500);国家重点基础研究发展计划(973计划)项目(2014CB046300);湖南省科技计划项目(2016GK2005)~~

年　　份：2017

卷　　号：48

期　　号：1

起止页码：61-68

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171803634048)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统的分类器对滚动轴承早期微弱故障进行诊断时泛化能力不强的问题,提出基于Teager能量算子(TEO)和深度置信网络(DBN)的滚动轴承故障诊断方法。先用TEO提取滚动轴承振动信号中的瞬时能量,构造相应的特征向量;采用层次优化算法调整DBN结构参数,生成合适的分类器。应用美国西储大学轴承实验振动信号,对不同类型、不同损伤程度的滚动轴承进行故障诊断,对比分析DBN、支持向量机(SVM)和邻近算法(KNN)的分类准确性。研究结果表明:DBN能更准确、稳定地识别滚动轴承各种故障,具有较强的泛化能力。

关 键 词：深度置信网络  TEAGER能量算子 滚动轴承 故障诊断

分 类 号：TP391.42]