典型文献
基于深度置信网络和对称点模式电机轴承故障诊断研究
文献摘要：
电机轴承的健康状态直接影响电机安全、稳定运行.针对电机轴承故障诊断问题,以故障信号可视化和特征自提取为目标,将深度置信网络(Deep Belief Network,DBN)与对称点模式(Symmetrized Dot Pattern,SDP)变换相结合,提出了一种轴承故障可视化及智能诊断方法.首先基于SDP变换将原始轴承振动信号进行可视化表示,基于最大面积函数选择最佳的SDP参数以通过高分辨率图像清晰区分不同轴承状态,并生成相应的轴承故障SDP图像库;然后采用深度置信网络作为数据训练模型以实现故障特征自提取;最后由位于DBN算法模型后的分类器实现轴承故障的有效诊断.实验结果表明,该方法不仅分类率达到98％以上,而且具有较好的泛化能力和稳定性.该方法为电机轴承故障可视化和智能诊断提供了一种新思路.
文献关键词：
故障诊断:电机轴承;对称点模式;深度置信网络
中图分类号：
作者姓名：
张苏颖;竺兴妹;许曙青
作者机构：
江苏联合职业技术学院 南京工程分院,南京 210035;中国矿业大学 经济与管理学院,江苏 徐州 221116
文献出处：
引用格式：
[1]张苏颖;竺兴妹;许曙青-.基于深度置信网络和对称点模式电机轴承故障诊断研究)[J].噪声与振动控制,2022(03):98-104,143
A类：
Symmetrized
B类：
深度置信网络,对称点模式,电机轴承,轴承故障诊断,诊断研究,健康状态,诊断问题,故障信号,信号可视化,特征自提取,Deep,Belief,Network,DBN,Dot,Pattern,SDP,换相,智能诊断方法,轴承振动,振动信号,面积函数,高分辨率图像,同轴,数据训练,训练模型,故障特征,算法模型,分类器,泛化能力
AB值：
0.29212
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。
