-
题名基于自动编码器数据降维的滚动轴承故障诊断研究
被引量：2
- 1
-
-
作者
刘会芸
侯志平
-
机构
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
-
出处
《现代制造工程》
CSCD
北大核心
2022年第1期148-153,160,共7页
-
基金
国家重点研发计划项目(2017YFB1301300)。
-
文摘
针对滚动轴承振动信号多域特征数据维数较高的问题,采用自动编码器(Auto-Encoder,AE)对特征数据进行降维处理,实现故障诊断。该方法首先提取滚动轴承振动信号中的特征数据,其次通过自动编码器对特征数据进行降维,最后将降维后的数据用于训练BP(Back Propagation)神经网络,并进行故障诊断。为验证自动编码器对特征数据降维能力的稳健性,对含噪信号特征数据进行了自动编码器降维和滚动轴承故障诊断。结果表明,自动编码器可以获得滚动轴承高维特征数据的有效低维表示,并且保证了故障诊断的精度,对于含噪信号特征数据降维有较强的适用性,可为其他机械复杂数据下故障诊断的降维提供参考。
-
关键词
自动编码器
滚动轴承
故障诊断
BP神经网络
-
Keywords
Auto-Encoder(AE)
rolling bearing
fault diagnosis
BP neural network
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TH165.3
[自动化与计算机技术—控制科学与工程]
-
-
题名故障诊断中信号特征参数择取方法
- 2
-
-
作者
刘会芸
-
机构
省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)
河北工业大学机械工程学院
-
出处
《中国特种设备安全》
2021年第5期7-12,46,共7页
-
基金
国家重点研发计划(20UYFB1301300)。
-
文摘
针对故障诊断中数据量大的问题,提出一种故障信号特征参数择取方法,达到只需少量的特征参数来训练高精度故障识别神经网络的目的。该方法通过对特征参数之间的相关性及每个特征参数的故障敏感性进行系统分析,从而择取满足故障识别要求的特征参数。以滚动轴承故障诊断为例,使用该方法择取4种特征参数的情况下实现了高精度、高效率和高鲁棒性的故障识别。这一方法可推广到其他机械系统的故障识别中。
-
关键词
滚动轴承
相关性分析
特征参数择取
故障诊断
BP神经网络
-
Keywords
Rolling bearing
Correlation analysis
Characteristic parameter selection
Failure diagnosis
BP neural network
-
分类号
X924
[环境科学与工程—安全科学]
-
