摘要
在深度信念网络(DBN)故障诊断模型中进行参数训练时容易出现局部搜索结果,导致DBN故障诊断模型训练效率降低并引起错误诊断的结果.为更加准确诊断复杂机电设备的故障,综合运用DS证据理论和优化深度信念网络故障诊断模型,构建了以优化深度信念网络为基础的多测点故障诊断方法.选择异步电动作为测试对象,完成电机的故障诊断,研究结果表明:所有测点ICIM-DBN故障诊断模型都在30代训练时发生收敛,说明本文设计的混沌免疫算法可以获得全局最优结果.故障诊断准确率都提高到10％,并且轴承故障诊断准确率也可以达到98.6％.利用此方法能够准确分辨故障信号,可以实现对各个测点故障数据的综合判断,从而防止受故障信号衰减影响以及测试误差而降低故障诊断准确率情况.
基金项目
河南省高等职业学校青年骨干教师培养计划(2019GZGG034)
NETL
NSTL
维普
万方数据