典型文献
基于深度信念网络的滚动轴承特征迁移诊断
文献摘要：
滚动轴承的故障智能诊断研究多是针对同源数据进行,而不同型号、不同工况下的滚动轴承,由于时、频特征差异,加之背景噪声的影响,导致识别准确率偏低.为了解决这一问题,笔者以6307和6205两类深沟球轴承为研究对象,建立了以深度信念网络(deep belief network,简称DBN)为核心的迁移诊断模型,构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数.为了抑制信号传递路径(共振频带差异)和背景噪声的影响,引入最大相关峭度反卷积(maximum correlated kurtosis deconvolution,简称MCKD)方法,并对其关键参数实施了自适应选取.结果表明,由MCKD与DBN联合组成的迁移诊断模型,在3类不同数据源之间的诊断准确率均超过了95％,为滚动轴承的迁移特征诊断提供了一条可行的途径.
文献关键词：
滚动轴承;深度信念网络;自适应最大相关峭度反卷积;迁移特征;智能诊断
中图分类号：
作者姓名：
张建宇;任成功
作者机构：
北京工业大学先进制造技术北京市重点实验室 北京,100124;北京市精密测控技术与仪器工程技术研究中心 北京,100124
文献出处：
引用格式：
[1]张建宇;任成功-.基于深度信念网络的滚动轴承特征迁移诊断)[J].振动、测试与诊断,2022(02):277-284
A类：
自适应最大相关峭度反卷积
B类：
深度信念网络,滚动轴承,特征迁移,迁移诊断,故障智能诊断,诊断研究,同源数据,不同型号,不同工况,特征差异,背景噪声,识别准确率,深沟球轴承,deep,belief,network,DBN,诊断模型,峭度指标,近似熵,特征识别,识别参数,信号传递,传递路径,频带,maximum,correlated,kurtosis,deconvolution,MCKD,应选,数据源,诊断准确率,迁移特征
AB值：
0.366393
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。
