基于深度置信网络与信息融合的齿轮故障诊断方法

摘要：

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

所属期刊栏目：40

分类号：THA133.3

资助基金：国家自然科学基金;湖北省自然科学基金

在线出版日期：2021-05-18（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：62-69