振动与冲击2021，Vol.40Issue(12) ：151-158.DOI:10.13465/j.cnki.jvs.2021.12.019

DBN参数对双转子不对中故障特征提取的影响及综合评估优选研究

A study on the influence of DBN's parameters on dual-rotor misalignment fault feature extraction and its optimization based on comprehensive evaluation

杨大炼 张帆宇 李仁杰 张宏献 陶洁
振动与冲击2021，Vol.40Issue(12) ：151-158.DOI:10.13465/j.cnki.jvs.2021.12.019
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

DBN参数对双转子不对中故障特征提取的影响及综合评估优选研究

A study on the influence of DBN's parameters on dual-rotor misalignment fault feature extraction and its optimization based on comprehensive evaluation

杨大炼 1张帆宇 1李仁杰 1张宏献 2陶洁3
扫码查看

作者信息

  • 1. 湖南科技大学机械设备健康维护湖南省重点实验室,湖南湘潭411201
  • 2. 湖南科技大学机械设备健康维护湖南省重点实验室,湖南湘潭411201;柳州工学院,广西柳州545006
  • 3. 湖南科技大学计算机科学与工程学院,湖南湘潭411201
  • 折叠

摘要

针对DBN(deep belief network)结构参数对特征提取性能影响很大而其影响特性不明导致最优参数难以选取的问题,以双转子系统不对中故障振动特征提取为例,通过构建不同DBN迭代次数、隐含层数、学习率及动量的重构误差曲线,分析DBN结构参数对双转子不对中故障特征提取性能影响特性.综合重构误差均方根误差RMSE(root mean square error)及计算时间,选取优化的结构参数.分析结果表明,最优参数为:迭代次数200次、隐含层节点数1000 ～1500、学习率0.01 ～0.1,动量项0.1～0.4.为DBN在双转子系统不对中故障识别中的应用提供结构参数选取依据.

关键词

深度置信网络/双转子/不对中/特征提取/性能分析

引用本文复制引用

基金项目

国家自然科学基金(11702091)

国家自然科学基金(11672106)

湖南省自然科学基金(2018JJ3140)

湖南省自然科学基金(2019JJ50156)

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3
参考文献量10
段落导航相关论文