基于Teager能量算子和深度置信网络的滚动轴承故障诊断

• 作者: 付卓 刘义伦 杨大炼 汤芳 陶洁
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度置信网络 Teager能量算子 滚动轴承 故障诊断
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 61-68
• 页数: 8页
• 分类号: TAH133.33
• 字数: 4875字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2017.01.009

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘义伦	中南大学机电工程学院	177	1461	19.0	28.0
5	杨大炼	中南大学机电工程学院	7	62	4.0	7.0
6	陶洁	中南大学机电工程学院	5	37	3.0	5.0
8	汤芳	中南大学机电工程学院	3	32	2.0	3.0
9	付卓	长沙学院机电工程系	3	12	1.0	3.0