基于GA-IDBN的滚动轴承故障声发射信号识别
针对变工况条件下的滚动轴承故障声发射信号识别问题,提出了一种基于遗传算法(Genetic Algorithm,GA)与改进深度信念网络(Improved Deep Belief Network,IDBN)结合的故障检测与诊断新方法.对滚动轴承故障声发射监测信号的分析结果表明,GA-IDBN模型对滚动轴承的外圈、内圈、保持架故障的声发射监测信号的识别准确率明显优于DBN(深度信念网络)、支持向量机等模型的,识别准确率可达到95.5%;并且,GA-IDBN模型具有很强的普适性,可以识别出滚动轴承在不同通道、不同转速情况下的运行状态.证明了GA-IDBN模型具有很强的工程实用价值.
声发射、滚动轴承、变工况、故障诊断、改进深度信念网络、遗传算法
42
TG115.28(金属学与热处理)
国家自然科学基金资助项目51675350
2020-04-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
31-36