基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断

摘要：

针对齿轮故障诊断问题,利用数理统计特征提取方法、深度学习神经网络、粒子群算法和支持向量机等技术,提出了一种基于深度学习特征提取和粒子群支持向量机状态识别相结合的智能诊断模型.该模型利用深度学习自适应提取的频谱特征与数理统计方法提取的时域特征相结合组成联合特征向量,然后利用粒子群支持向量机对联合特征向量进行故障诊断.该模型在对多级齿轮传动系统试验台的故障诊断中实现了中速轴大齿轮不同故障类型的可靠识别,获得了满意的诊断结果.应用结果也验证了基于深度学习自适应提取频谱特征的有效性.

关键词：齿轮故障、深度学习、特征提取、支持向量机、智能诊断

所属期刊栏目：28

分类号：TH132.41

资助基金：国家自然科学基金资助项目51475407;河北省高等学校创新团队领军人才培育计划资助项目LJRC013

在线出版日期：2017-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1056-1061,1068