基于双树复小波和深度信念网络的轴承故障诊断

• 作者: 姜万录 姜安琦 宿新爽 张淑清 李军锋 胡永涛
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 双树复小波 深度信念网络 受限波尔兹曼机 故障诊断
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 机械科学
• 页码范围: 532-536,543
• 页数: 6页
• 分类号: TN911.6
• 字数: 3562字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2017.05.005

摘要

提出了一种基于双树复小波(DTCWT)和深度信念网络(DBN)的轴承故障诊断新方法.采用DTCWT对轴承振动信号进行分解实验,结果表明DTCWT能够很好地将信号分解到不同频带.进而提取能量熵作为故障特征,采用DBN小样本分类模型对轴承故障进行分类,并与传统分类器进行比较,结果表明该方法能准确识别不同故障类型,扩展了DBN在机械故障诊断中的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜万录	燕山大学机械工程学院	138	1777	24.0	35.0
2	张淑清	燕山大学电气工程学院	81	1525	21.0	36.0
3	胡永涛	燕山大学电气工程学院	13	149	8.0	12.0
4	姜安琦	中南大学信息科学与工程学院	4	82	4.0	4.0
5	宿新爽	燕山大学电气工程学院	5	63	3.0	5.0
6	李军锋	燕山大学电气工程学院	4	57	3.0	4.0