科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度神经网络用于滚动轴承故障诊断时，网络隐含层层数、各隐含层节点数、稀疏系数以及输入数据置零比例等超参数会直接影响网络诊断性能的问题，提出了一种优化改进堆叠降噪自编码器（SDAE）的滚动轴承故障智能诊断方法。使用学生心理优化算法（SPBO）对降噪自编码器（DAE）网络的超参数进行自适应选取来确定SDAE网络的最优结构和参数，据此提取具有更强表征力的故障状态特征表示，输入到soft-max分类器实现滚动轴承运行工况的精确诊断。使用3个开源数据集对所提网络的性能进行验证，实验结果表明，基于SPBO-SDAE网络的诊断方法在特征有效提取、诊断速度以及故障诊断准确率方面均优于支持向量机（SVM）、反向传播（BP）神经网络、径向基（RBF）神经网络、SDAE网络、SPBO优化后的深度置信网络（DBN）、遗传算法（GA）优化后的SDAE网络以及粒子群算法（PSO）优化后的SDAE网络。
- 单位
