基于PSO改进深度置信网络的滚动轴承故障诊断

摘要：

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

所属期刊栏目：39

分类号：THA133.3

资助基金：湖北省自然科学基金资助;中央高校基本科研业务费专项资金资助

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：89-96