深度学习融合模型在机械故障诊断中的应用

摘要：

为了解决浅层学习与传统深度学习模型因机械装备结构复杂、工作环境噪声和大数据等因素引起的诊断困难问题,提出了一种基于降噪自编码器和深度信念网络的融合模型,来实现高效准确的故障诊断.首先,降噪自编码器用于处理原始信号的随机噪声并学习低层特征;其次,深度信念网络用基于所学习的低层特征来学习深层特征;最后,将深度特征输入粒子群支持向量机中,对诊断模型进行训练.所提出的方法被应用于滚动轴承的故障诊断,结果表明与现有方法相比,该方法更加有效和鲁棒.

关键词：故障诊断、深度信念网络、降噪自编码器、自适应学习率、鲁棒性、支持向量机

所属期刊栏目：39

分类号：TH17;TN911

资助基金：装备状态监控与维修总装重点实验室基金资助项目ECMM2016007

在线出版日期：2020-01-11（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：1271-1276