基于深度置信网络的轴承故障识别分析与研究

作者：刘雨轩; 王琳^*; 张鹏镇; 徐鑫; 尹晓伟; 陈骥驰

来源：沈阳工程学院学报(自然科学版), 2023, 19(04): 84-89.

DOI：10.13888/j.cnki.jsie(ns).2023.04.016

• 轴承振动信号
• ICEEMDAN
• 小波阈值
• 深度置信网络

轴承为诸多机械设备的重要零部件，对其故障状态的识别对于设备的稳定运行具有重要的意义。本文首先利用改进的自适应噪声完全集合经验模态分解（ICEEMDAN）与小波阈值相结合的方法去除轴承振动信号中的伪迹，然后分别提取信号的标准差、峭度、样本熵等线性和非线性特征，最后将多域特征作为输入项，利用深度置信网络（DBN）进行训练识别，建立了能够有效识别轴承故障类型的网络模型。试验结果表明：该模型对轴承故障类型识别的正确率可达97.8%。

• 单位
  沈阳工程学院; 沈阳工业大学