基于双树复小波和深度信念网络的轴承故障诊断

摘要：

提出了一种基于双树复小波(DTCWT)和深度信念网络(DBN)的轴承故障诊断新方法.采用DTCWT对轴承振动信号进行分解实验,结果表明DTCWT能够很好地将信号分解到不同频带.进而提取能量熵作为故障特征,采用DBN小样本分类模型对轴承故障进行分类,并与传统分类器进行比较,结果表明该方法能准确识别不同故障类型,扩展了DBN在机械故障诊断中的应用.

关键词：双树复小波、深度信念网络、受限波尔兹曼机、故障诊断

所属期刊栏目：28

分类号：TN911.6

资助基金：国家自然科学基金资助项目51475405,61077071;河北省自然科学基金资助项目F2015203413,F2016203496,F2015203392

在线出版日期：2017-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：532-536,543