基于ISFLA优化深度置信网络的滚动轴承故障诊断方法研究

作者：齐洪方; 黄定洪

来源：机电工程, 2021, 38(01): 62-68.

• 滚动轴承
• 故障诊断
• 深度置信网络
• 改进混合蛙跳算法

传统故障诊断模型训练时易陷入局部最优、模型泛化能力差,且故障识别精度易受人工特征提取质量的影响,针对这一问题对滚动轴承故障诊断方法进行了研究。首先,提出了基于深度置信网络(DBN)的滚动轴承故障诊断模型,研究了DBN模型的逐层自适应特征提取能力;然后,提出了一种改进的混合蛙跳算法(ISFLA),对DBN各隐含层神经元个数和反向微调算法学习率进行了优化;最后,在不进行任何特征提取的情况下,利用美国凯斯西储大学的轴承数据集进行了实验研究,提取了原始时域振动信号,进行了故障特征分析,并与BP、DBN和PSO-DBN算法进行了对比。研究结果表明:与其他方法相比,ISFLA-DBN的故障识别精度最高,算法收敛速度最快,模型泛化能力最好。

• 单位
  武汉华夏理工学院; 机电工程学院; 武汉理工大学