10.13465/j.cnki.jvs.2016.12.026
基于深度学习理论的轴承状态识别研究
针对滚动轴承振动数据耦合程度高,信号特征提取和识别模型建立困难的问题,提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量;通过稀疏自编码非监督学习网络对输入向量进行特征学习,并将单层网络叠加构成深度神经网络;最后采用少量有标签数据对整个深度神经网络进行微调训练,建立轴承状态监测模型。试验结果表明,提出的方法对于轴承状态识别准确率达到90.86%,且性能退化阶段识别率最高,能满足视情维修的工程需求。
深度学习、非监督学习、滚动轴承、视情维修
35
TH17
国家自然科学基金NSF51275426
2016-07-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
166-170,195