-
题名基于深度置信网络的旋转部件半监督故障诊断
被引量:5
- 1
-
-
作者
马航宇
周笛
潘尔顺
-
机构
上海交通大学机械与动力工程学院
-
出处
《机械设计》
CSCD
北大核心
2021年第12期1-6,共6页
-
基金
国家重点研发计划项目(2020YFB1711100)
国家自然科学基金项目(52005327,72001138,72071127)。
-
文摘
机械旋转部件故障诊断中,时变的噪声干扰和动态的运转状态直接影响系统故障诊断正确率。文中基于深度置信网络(DBN)提取数据深层信息的能力,结合固定学习步长的信号分解技术提取故障特征;进一步针对DBN作为无监督学习的不足,结合奇异值分解技术,将监督信息融入到特征训练强化过程中,建立半监督视角下深度置信网络(S-DBN)分析架构,降低噪声干扰,实现旋转机械系统的智能故障诊断;最后,结合变工况滚动轴承系统采集数据,基于S-DBN计算不同程度信号干扰下智能故障诊断平均正确率为97.14%。与传统DBN网络等4种方法作比较,不同程度噪声干扰下,S-DBN具有较好的准确性、泛化性和抗噪性。
-
关键词
故障智能诊断
半监督
固定学习步长
深度置信网络
噪声干扰
-
Keywords
intelligent fault diagnosis
semi-supervised
fixed learning step size
deep belief network
noise interference
-
分类号
TH17
[机械工程—机械制造及自动化]
-