10.3969/j.issn.1004-132X.2019.02.010
基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法
针对行星齿轮箱振动信号噪声干扰大、单一分类器泛化能力不强的问题,提出了一种基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法.利用多目标优化算法优化多个堆栈去噪自动编码器(SDAE)以获得多个性能优异的SDAE,并提取多样性的故障特征;采用多响应线性回归模型集成多样性故障特征实现信息融合,得到多目标集成堆栈去噪自动编码器(MO-ESDAE),最后将其应用于行星齿轮箱故障诊断.实验结果表明:该方法能有效提高故障诊断精度与稳定性,具有较强的泛化能力.
行星齿轮箱故障诊断、深度神经网络、多样性特征提取、多目标进化算法
30
TH17
国家自然科学基金资助项目61371041;航空科学基金资助项目2013ZD52055;国家商用飞机制造工程技术研究中心创新基金资助项目SAMC14-JS-15-051
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
196-204