基于深度置信网络的旋转机械在线故障诊断

• 作者: 郭俊杰 郭正红 .张家口职业技术学院机电工程学院 .齐齐哈尔大学机械工程学院 .河北北方学院信息科学与工程学院
• 来源期刊: 计算机测量与控制
• 学科: 工学
• 关键词: 深度置信网络;改进k-means算法;受限的玻尔兹曼机;核函数;SVM
• 年，卷（期）: 2025,（1）
• 页码范围: 60-68
• 页数: 9页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2025.01.008

摘要

针对现有旋转机械在线故障诊断算法所存在的数据遍历耗时长，检测准确率低，故障分类准确率低等不足，提出一种基于深度置信网络的故障诊断算法；先基于受限的玻尔兹曼机搭建深度置信网络框架，利用数据标签在输入层和后端的受限玻尔兹曼机之间建立联系；然后利用k-means算法压缩聚类处理数据集降低数据集的规模和复杂度；最后在不同故障特征的分类诊断方面，引入加入核函数的SVM分类算法，提升对不同机械故障类型的分类精度；实验结果显示，提出的旋转机械故障在线诊断方案的迭代效率高，数据遍历耗时少，训练集和测试集F1指标的分别为97.9%和97.4%,优于传统故障诊断算法。