典型文献
基于BAS优化堆栈稀疏自编码器的轴承故障诊断
文献摘要：
针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题.首先,通过对轴承振动信号进行时域、频域特征提取和变分模态分解,得到其固有模态函数,提取其时域、频域和固有模态函数的44个特征构建数据集,作为机器学习诊断网络的输入;其次,通过稀疏自编码器二次特征提取获得更加典型的特征,同时引入BAS算法对堆栈稀疏自编码器的稀疏惩罚因子进行自适应选取以获得最优分类模型;最后,通过Softmax分类层实现对滚动轴承的故障诊断分类.试验结果表明,该方法不仅在平稳载荷下具有很好的轴承故障分类能力,而且在时变非平稳性载荷以及不同测试数据量下仍然具有较好的故障分类效果.
文献关键词：
轴承故障诊断;深度神经网络;堆栈稀疏自编码器;变分模态分解;天牛须搜索(BAS)算法
中图分类号：
作者姓名：
张磊;陈剑;孙太华;曹昆明;阚东;程明
作者机构：
合肥工业大学 噪声振动工程研究所,安徽 合肥 230009;安徽省汽车 NVH 技术研究中心,安徽 合肥 230009
文献出处：
引用格式：
[1]张磊;陈剑;孙太华;曹昆明;阚东;程明-.基于BAS优化堆栈稀疏自编码器的轴承故障诊断)[J].合肥工业大学学报（自然科学版）,2022(12):1608-1614,1662
A类：
B类：
BAS,堆栈稀疏自编码器,轴承故障诊断,复杂工况,轴承载荷,非平稳性,天牛须搜索,beetle,antennae,search,算法优化,故障诊断方法,快速准确,断轴,故障类型,轴承振动,振动信号,频域特征,变分模态分解,固有模态函数,特征构建,学习诊断,断网,惩罚因子,应选,分类模型,Softmax,滚动轴承,故障诊断分类,故障分类,测试数据,数据量,分类效果,深度神经网络
AB值：
0.220147
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
