您当前的位置:首页 > 详细浏览

文献详情

基于小波包-AR谱和深度学习的轴承故障诊断研究

内容摘要

针对轴承故障信号的非平稳性和非线性特点,采用小波包分解和自回归(auto-regressive,AR)谱估计相结合的方法提取振动信号特征值;为了提高诊断结果的精度,提出用深度信念网络(deep believe network,DBN)进行诊断模型训练。首先,对轴承振动信号进行小波包分解和自回归谱估计,计算不同频段的能量实现轴承故障特征提取;其次,将提取到的特征值作为深度信念网络的输入向量,进行模型训练;最后,用训练好的模型进行故障诊断。为验证本文所提方法的有效性,采用美国凯斯西储大学提供的旋转轴承数据集,将提出算法与三种故障诊断方法进行对比实验。实验结果表明,所提方法具有更好的诊断性能。
点击下载全文 评论 来自合作期刊:《计算机应用研究》 点击量:908 下载量:229
期刊:计算机应用研究
推荐引用方式: 贺思艳,刘亚,田新诚.(2018).基于小波包-AR谱和深度学习的轴承故障诊断研究.计算机应用研究.doi:10.12074/201807.00043 (点此复制)
版本历史
[V1] 2018-07-09 15:14:03 chinaXiv:201807.00043V1 下载全文
相关论文推荐

点击下载全文

当前浏览

更改浏览

跨类浏览

  • - 暂无