10.13465/j.cnki.jvs.2017.23.011
基于细菌觅食决策和深度置信网络的滚动轴承故障诊断
在利用深度置信网络进行滚动轴承故障诊断时,网络结构的设置不仅影响诊断的结果,还影响计算效率.为提高滚动轴承故障诊断的准确率,提出基于细菌觅食决策和深度置信网络的滚动轴承故障诊断方法.该方法利用采集的样本数据对深度置信网络进行训练,以构造细菌觅食决策算法的适应度函数,通过计算各个细菌的适应度来衡量模型的优劣.由于细菌觅食决策算法具有并行搜索能力,能有效选取深度置信网络各隐节点数、学习率、动量等参数,生成合适的分类器提高滚动轴承故障诊断的准确率.实验中,与SVM(Support Vector Machines)、BPNN(Back Propagation NeuralNetwork)、KNN(k-Nearest Neighbor)等方法做比较,所提方法对滚动轴承故障诊断的准确率达到97.83%,能更加高效、准确的识别滚动轴承故障.
深度置信网络、细菌觅食决策算法、滚动轴承、故障诊断
36
TAH133.33
国家自然科学基金51575176,11702091;湖南科技大学机械设备健康维护湖南省重点实验室开发201605
2018-04-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
68-74