基于多层超限学习机的滚动轴承故障诊断方法

• 作者: 曹瑞珉 王风立 郝丽娜
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 超限学习机 故障诊断 深度学习 自动编码器 快速学习
• 年，卷（期）: 2017,（14）
• 所属期刊栏目: 论文
• 页码范围: 86-91
• 页数: 6页
• 分类号: TP391.77
• 字数: 3825字
• 语种: 中文

摘要

针对目前轴承故障诊断领域存在的海量数据问题及快速学习、实时监测的诊断要求,采用一种多层超限学习机方法对滚动轴承故障数据进行诊断测试.该方法直接学习轴承故障振动时域信号,与传统诊断方法相比,省去了复杂的信号处理过程,更加简便.将多层超限学习机方法的诊断结果分别与单层超限学习机、深度神经网络方法的诊断结果进行比较,多层超限学习机具有明显优势:① 与单层超限学习机相比,多层超限学习机具有更好地学习和特征提取能力,其诊断准确率可达到98.29%;② 与深度神经网络相比,多层超限学习机能够在保证较高诊断准确率的前提下,获得较快的训练速度,其训练速度较深度神经网络提高了41倍.结果表明,所采用的方法在滚动轴承故障诊断方面具有很好的效果和应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝丽娜	东北大学机械工程与自动化学院	53	577	12.0	22.0
2	曹瑞珉	东北大学机械工程与自动化学院	6	7	2.0	2.0
3	王风立	东北大学机械工程与自动化学院	2	0	0.0	0.0