基于自组织映射与受限玻尔兹曼机的滚动轴承健康评估

为了对滚动轴承进行动态健康评估,准确描述其性能退化的动态过程,采用自组织映射(SOM)与受限玻尔兹曼机(RBM)相结合的方法进行轴承健康评估。考虑轴承健康状态的变化引起响应特征的相应变化,利用SOM的无监督学习特点,通过序列前向排序算法(SFS)筛选时域、频域和时频域特征,进而建立最优特征域,获得特征向量与轴承健康状态间的映射关系。为了避免传统神经网络在处理上述高维特征数据时出现的易陷入局部最优、参数调整困难、训练时间过长问题,将映射后的特征向量与轴承健康状态分别作为RBM的输入与输出,建立健康评估模型。试验数据分析的结果表明,所提方法可准确识别滚动轴承性能退化过程中的不同健康状态,对于滚动轴承健康评估具有较好的工程适用性。