基于CEEMDAN-深度信念网络的超低速滚动轴承故障诊断

基于CEEMDAN-深度信念网络的超低速滚动轴承故障诊断

论文摘要

针对超低速滚动轴承故障诊断困难问题,提出一种自适应噪声的完备集合经验模态分解(CEEMDAN)与深度信念网络(DBN)相结合的超低速滚动轴承故障声发射(AE)诊断方法。通过EEMD和CEEMDAN方法分别对轴承AE信号进行分解,结果表明,CEEMDAN具有较好的分解完备性和抗模态混叠性;将EEMD能量熵和CEEMDAN能量熵分别作为模式识别分类器的特征向量进行故障诊断,后者的识别准确率较高;通过与SVM、BP神经网络方法对比,DBN方法的模式识别效果更好,且表现出较好的稳定性。因此,文章所提方法能够有效的应用于超低速滚动轴承的故障诊断。

论文目录

  • 0 引言
  • 1 理论背景
  •   1.1 CEEMDAN方法
  •   1.2 CEEMDAN能量熵
  •   1.3 深度信念网络(DBN)
  • 2 超低速滚动轴承AE诊断实验
  • 3 结果与分析
  •   3.1 数据预处理
  •     3.1.1 AE信号原始波形分析
  •     3.1.2 轴承AE信号的EEMD和CEEMDAN分解
  •     3.1.3 轴承AE信号特征提取
  •   3.2 基于DBN的超低速滚动轴承故障模式识别
  •     3.2.1 参数设定
  •     3.2.2 训练迭代次数、隐含层神经元个数对DBN模型性能的影响
  •   3.3 与其他经典方法比较
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 张鹏林,徐桃萍,马小东,杨天雨

    关键词: 声发射,故障诊断,能量熵,深度信念网络,超低速滚动轴承

    来源: 组合机床与自动化加工技术 2019年09期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室

    分类号: TP183;TH133.33

    DOI: 10.13462/j.cnki.mmtamt.2019.09.019

    页码: 77-80+84

    总页数: 5

    文件大小: 2362K

    下载量: 273

    相关论文文献

    • [1].利用包络解调技术分析诊断滚动轴承故障[J]. 冶金动力 2020(01)
    • [2].基于多特征提取和改进马田系统的滚动轴承故障分类方法研究[J]. 振动与冲击 2020(06)
    • [3].关于滚动轴承故障检测的改进包络分析[J]. 科技创新导报 2020(04)
    • [4].滚动轴承故障诊断技术[J]. 福建电脑 2020(06)
    • [5].滚动轴承故障诊断方法综述[J]. 内燃机与配件 2019(23)
    • [6].经验模态分解和神经网络在滚动轴承故障诊断中应用研究[J]. 安徽建筑大学学报 2016(04)
    • [7].基于包络谱分析的滚动轴承故障诊断方法研究[J]. 煤矿机械 2017(02)
    • [8].排列熵与核极限学习机在滚动轴承故障诊断中的应用[J]. 组合机床与自动化加工技术 2017(02)
    • [9].非平稳工况的滚动轴承故障特征研究新方法[J]. 机械设计与研究 2017(01)
    • [10].基于压缩信息特征提取的滚动轴承故障诊断方法[J]. 中国机械工程 2017(07)
    • [11].循环平稳在滚动轴承故障诊断中的应用[J]. 军事交通学院学报 2017(06)
    • [12].基于小波包分解与权重包络谱的滚动轴承故障特征增强[J]. 机械设计与研究 2017(03)
    • [13].滚动轴承故障诊断实例[J]. 设备管理与维修 2016(10)
    • [14].关于提升机滚动轴承故障分析及研究[J]. 中国石油和化工标准与质量 2020(21)
    • [15].低转速设备滚动轴承故障诊断技巧[J]. 科学技术创新 2020(10)
    • [16].基于机器学习算法的滚动轴承故障诊断研究[J]. 组合机床与自动化加工技术 2020(07)
    • [17].基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法[J]. 工业控制计算机 2020(10)
    • [18].变转速下滚动轴承故障诊断方法研究现状分析[J]. 军事交通学院学报 2019(07)
    • [19].基于嵌入式系统的滚动轴承故障实时诊断[J]. 现代电子技术 2017(07)
    • [20].基于小波变换的滚动轴承故障信号降噪研究[J]. 自动化应用 2017(08)
    • [21].灰色极限学习机在滚动轴承故障预测中的应用[J]. 计算机测量与控制 2017(07)
    • [22].经验模式分解在滚动轴承故障诊断中的应用[J]. 军事交通学院学报 2016(09)
    • [23].基于广义S变换的滚动轴承故障诊断方法研究[J]. 机床与液压 2015(01)
    • [24].一种改进的滚动轴承故障诊断方法[J]. 机械制造 2012(05)
    • [25].神经网络在滚动轴承故障诊断中的应用[J]. 装备制造技术 2010(01)
    • [26].石化企业电机滚动轴承故障诊断模型研究[J]. 企业技术开发 2008(09)
    • [27].一种基于广义解调的滚动轴承故障特征提取方法[J]. 振动与冲击 2020(20)
    • [28].基于多自由度的小波包滚动轴承故障诊断方法[J]. 上海电机学院学报 2016(06)
    • [29].基于变分模态分解改进方法的滚动轴承故障特征提取[J]. 图学学报 2016(06)
    • [30].基于复合多尺度熵与拉普拉斯支持向量机的滚动轴承故障诊断方法[J]. 中国机械工程 2017(11)

    标签:;  ;  ;  ;  ;  

    基于CEEMDAN-深度信念网络的超低速滚动轴承故障诊断
    下载Doc文档

    猜你喜欢