基于PSO改进深度置信网络的滚动轴承故障诊断

• 作者: 李益兵 江丽 王磊
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 深度置信网络(DBN) 粒子群优化算法(PSO) 自适应时刻估计 滚动轴承 故障诊断
• 年，卷（期）: 2020,（5）
• 页码范围: 89-96
• 页数: 8页
• 分类号: THA133.3
• 字数: 6093字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2020.05.012

摘要

针对深度置信网络(Deep Belief Network,DBN)用于轴承故障诊断时,网络层结构调试比较费时等问题,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)的DBN算法,以及基于该算法的轴承故障诊断模型.该模型利用PSO算法优选DBN网络结构,并通过自适应时刻估计法微调模型参数,随后运用具有最优结构的DBN模型直接从原始振动信号中提取低维故障特征,并将其输入到Soft-max分类器中识别轴承的故障模式.该算法与支持向量机、BP神经网络、DBN、堆叠降噪自编码等方法进行对比分析,实验结果表明,PSO改进的DBN算法具有更高的准确率以及更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李益兵	武汉理工大学机电工程学院	37	385	12.0	18.0
3	王磊	武汉理工大学机电工程学院	58	293	10.0	14.0
5	江丽	武汉理工大学机电工程学院	13	92	5.0	9.0