首页|ICIM-DBN多测点融合故障诊断及在电机上应用

ICIM-DBN多测点融合故障诊断及在电机上应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
ICIM-DBN Multi-Point Fusion Fault Diagnosis and its Application on Motor

杨涛、袁荷伟、宋丹丹、程辉

展开 >

河南交通职业技术学院汽车学院,河南 郑州 450005

长沙理工大学汽车与机械工程学院,湖南 长沙410076

郑州宇通客车股份有限公司,河南 郑州 450061

故障诊断 多测点 深度信念网络 DS证据理论 电机故障

河南省高等职业学校青年骨干教师培养计划

2019GZGG034

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.386(4)
  • 1
  • 3