D-SSAE与PSO-SVM在转子-滑动轴承系统故障诊断中的应用

旋转机械广泛应用于石油化工、航空航天等行业,而转子-滑动轴承系统是旋转机械的核心部件,对其进行故障诊断和状态监测具有重要意义。针对转子-滑动轴承的故障诊断问题,提出一种改进的深度堆叠稀疏自编码器(D-SSAE)和粒子群算法(PSO)优化后的支持向量机(SVM)相结合的故障诊断算法。首先,对振动信号进行快速傅里叶变换(FFT),以稀疏自编码器(SAE)组合构造堆叠稀疏自编码器(SSAE),以提出的函数动态改进dropout方法和自适应时刻估计法(Adam)进行迭代训练网络,实现特征的自动提取;其次,将频域信号输入诊断网络进行测试,以PSO-SVM为分类器得到诊断结果;最后,利用滑动轴承故障模拟实验台对算法进行了实验验证,结果表明,提出的方法具有故障识别率高、泛化能力强、训练时间合理等优点。