多深度学习模型决策融合的滚动轴承故障诊断

作者：张立智; 谭继文; 徐卫晓; 井陆阳

来源：组合机床与自动化加工技术, 2019, (08): 59-62.

DOI：10.13462/j.cnki.mmtamt.2019.08.016

• 滚动轴承
• 深度学习
• 深度卷积网络
• 降噪自动编码器
• 故障诊断

针对滚动轴承故障诊断中单一传感器信息的不全面性、单一网络模型的不确定性,提出了基于多深度学习模型决策融合的滚动轴承故障诊断方法。首先,利用深度卷积网络(CNN)和层叠降噪自动编码器(SDAE)分别对两个振动传感器信号进行自适应特征提取,经softmax初步分类。接着将两个网络的输出结果利用D-S证据理论进行融合,得到最终诊断结果。实验结果表明,利用该方法对滚动轴承进行故障诊断正确率达到95.63%,相比CNN正确率提高了5.49%,相比SDAE正确率提高了10.42%,验证了该方法的有效性。

• 单位
  青岛理工大学