-
题名基于PSO改进深度置信网络的滚动轴承故障诊断
被引量：50
- 1
-
-
作者
李益兵
王磊
江丽
-
机构
武汉理工大学机电工程学院
数字制造湖北省重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第5期89-96,共8页
-
基金
湖北省自然科学基金资助(2015CFB698)
中央高校基本科研业务费专项资金资助(2018IVA022)。
-
文摘
针对深度置信网络(Deep Belief Network,DBN)用于轴承故障诊断时,网络层结构调试比较费时等问题,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)的DBN算法,以及基于该算法的轴承故障诊断模型。该模型利用PSO算法优选DBN网络结构,并通过自适应时刻估计法微调模型参数,随后运用具有最优结构的DBN模型直接从原始振动信号中提取低维故障特征,并将其输入到Soft-max分类器中识别轴承的故障模式。该算法与支持向量机、BP神经网络、DBN、堆叠降噪自编码等方法进行对比分析,实验结果表明,PSO改进的DBN算法具有更高的准确率以及更好的鲁棒性。
-
关键词
深度置信网络(DBN)
粒子群优化算法(PSO)
自适应时刻估计
滚动轴承
故障诊断
-
Keywords
deep belief network(DBN)
particle swarm optimization(PSO)
adaptive moment estimation
rolling bearing
fault diagnosis
-
分类号
THA133.3
[机械工程]
-
-
题名基于深度置信网络与信息融合的齿轮故障诊断方法
被引量：27
- 2
-
-
作者
李益兵
黄定洪
马建波
江丽
-
机构
武汉理工大学机电工程学院
数字制造湖北省重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第8期62-69,共8页
-
基金
国家自然科学基金(51705384,51875430)
湖北省自然科学基金(2019CFB565)。
-
文摘
针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法。通过多传感器信息融合技术对每个传感器采集的振动信号进行数据层融合;利用DBN进行自适应特征提取从而实现故障分类。为了避免因人为选择DBN结构参数,导致模型识别精度下降的问题,利用改进的混合蛙跳算法(ISFLA)对DBN结构参数进行优化。试验表明,与BP神经网络、未经优化的DBN以及单传感器故障诊断相比,该研究提出的信息融合及优化方法具有更高的故障识别精度。
-
关键词
故障诊断
深度置信网络(DBN)
改进混合蛙跳算法(ISFLA)
多传感器信息融合
齿轮
-
Keywords
fault diagnosis
deep belief network(DBN)
improved shuffled frog leaping algorithm(ISFLA)
multi-sensor information fusion
gear
-
分类号
THA133.3
[机械工程]
-
-
题名基于SFLA改进卷积神经网络的滚动轴承故障诊断
被引量：16
- 3
-
-
作者
李益兵
马建波
江丽
-
机构
武汉理工大学机电工程学院
数字制造湖北省重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第24期187-193,共7页
-
基金
湖北省自然科学基金(2015CFB698)。
-
文摘
针对卷积神经网络(CNN)用于滚动轴承故障诊断时,训练次数比较多,网络结构不容易确定等问题,设计了一种基于混合蛙跳(SFLA)优化CNN的算法(SFLA-CNN),以及基于该算法的滚动轴承故障诊断模型。该模型利用SFLA强大的全局寻优能力和局部深度搜索能力来优化CNN结构,随后运用具有最优结构的CNN模型直接从原始振动信号中提取低维故障特征,并将其输入到Softmax分类器中进行故障识别。与BP神经网络、CNN等方法对比分析,试验结果表明,SFLA-CNN算法具有更高的准确率以及更少的训练次数。
-
关键词
卷积神经网络(CNN)
混合蛙跳算法(SFLA)
滚动轴承
故障诊断
-
Keywords
convolutional neural network(CNN)
shuffled frog leaping algorithm(SFLA)
rolling bearing
fault diagnosis
-
分类号
THA133.3
[机械工程]
-
