基于深度置信网络与信息融合的齿轮故障诊断方法

A gear fault diagnosis method based on deep belief network and information fusion

李益兵 ¹黄定洪 ²马建波 ²江丽¹

扫码查看

作者信息

1. 武汉理工大学机电工程学院,武汉430070;数字制造湖北省重点实验室,武汉430070
2. 武汉理工大学机电工程学院,武汉430070
折叠

摘要

针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法.通过多传感器信息融合技术对每个传感器采集的振动信号进行数据层融合;利用DBN进行自适应特征提取从而实现故障分类.为了避免因人为选择DBN结构参数,导致模型识别精度下降的问题,利用改进的混合蛙跳算法(ISFLA)对DBN结构参数进行优化.试验表明,与BP神经网络、未经优化的DBN以及单传感器故障诊断相比,该研究提出的信息融合及优化方法具有更高的故障识别精度.

关键词

故障诊断/深度置信网络(DBN)/改进混合蛙跳算法(ISFLA)/多传感器信息融合/齿轮

引用本文复制引用

基金项目

国家自然科学基金(51705384)

国家自然科学基金(51875430)

湖北省自然科学基金(2019CFB565)

出版年

2021

振动与冲击

中国振动工程学会上海交通大学上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心

影响因子：0.898

ISSN：1000-3835

被引量20

参考文献量7

段落导航