基于GA-IDBN的滚动轴承故障声发射信号识别

• 作者: 于洋 何明 刘博 陈长征
• 来源期刊: 无损检测
• 学科: 工学
• 关键词: 声发射 滚动轴承 变工况 故障诊断 改进深度信念网络 遗传算法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 试验研究
• 页码范围: 31-36
• 页数: 6页
• 分类号: TG115.28
• 字数: 3636字
• 语种: 中文
• DOI: 10.11973/wsjc202001008

摘要

针对变工况条件下的滚动轴承故障声发射信号识别问题,提出了一种基于遗传算法(Genetic Algorithm,GA)与改进深度信念网络(Improved Deep Belief Network,IDBN)结合的故障检测与诊断新方法.对滚动轴承故障声发射监测信号的分析结果表明,GA-IDBN模型对滚动轴承的外圈、内圈、保持架故障的声发射监测信号的识别准确率明显优于DBN(深度信念网络)、支持向量机等模型的,识别准确率可达到95.5％;并且,GA-IDBN模型具有很强的普适性,可以识别出滚动轴承在不同通道、不同转速情况下的运行状态.证明了GA-IDBN模型具有很强的工程实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈长征	沈阳工业大学机械工程学院	199	1777	21.0	34.0
2	于洋	沈阳工业大学信息科学与工程学院	33	152	7.0	11.0
3	刘博	沈阳工业大学信息科学与工程学院	15	47	4.0	6.0
4	何明	沈阳工业大学信息科学与工程学院	3	1	1.0	1.0