基于改进EEMD-AR和DBN的风机轴承故障诊断

• 作者: 吴定会 郑洋 韩欣宏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 聚合经验模态分解 自回归模型 深度置信网络 故障诊断
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 计算与测试
• 页码范围: 126-129,133
• 页数: 5页
• 分类号: TP212
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)11-0126-04

摘要

采用基于改进聚合经验模态分解(EEMD)与自回归(AR)模型提取故障特征,利用深度置信网络(DBN)实现风机轴承的高精度故障诊断.风机轴承振动信号经过改进的EEMD,选择前4个IMF分量建立自回归模型,利用最小二乘方法求出AR模型的自回归参数.将自回归系数作为DBN的输入参数,并在DBN中加入批量归一化层进行优化,利用DBN从信号中挖掘出具有代表性的高阶特征,实现轴承的故障分类.仿真实验表明:所提方法能够对风机轴承不同故障进行特征提取,并且与传统的反向传播神经网络(BPNN)、支持向量机(SVM)相比有较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴定会		119	542	11.0	16.0
2	韩欣宏		2	0	0.0	0.0
3	郑洋		5	0	0.0	0.0