基于多层超限学习机的滚动轴承故障诊断方法

摘要：

针对目前轴承故障诊断领域存在的海量数据问题及快速学习、实时监测的诊断要求,采用一种多层超限学习机方法对滚动轴承故障数据进行诊断测试.该方法直接学习轴承故障振动时域信号,与传统诊断方法相比,省去了复杂的信号处理过程,更加简便.将多层超限学习机方法的诊断结果分别与单层超限学习机、深度神经网络方法的诊断结果进行比较,多层超限学习机具有明显优势:① 与单层超限学习机相比,多层超限学习机具有更好地学习和特征提取能力,其诊断准确率可达到98.29%;② 与深度神经网络相比,多层超限学习机能够在保证较高诊断准确率的前提下,获得较快的训练速度,其训练速度较深度神经网络提高了41倍.结果表明,所采用的方法在滚动轴承故障诊断方面具有很好的效果和应用价值.

关键词：超限学习机、故障诊断、深度学习、自动编码器、快速学习

所属期刊栏目：17

分类号：TP391.77(计算技术、计算机技术)

资助基金：辽宁重大装备制造协同创新中心和国家自然科学基金61573093

在线出版日期：2017-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：86-91