• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《轴承》 >基于IEWT-IDWAE的滚动轴承故障识别

基于IEWT-IDWAE的滚动轴承故障识别

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

针对噪声导致深度学习识别滚动轴承故障时深层网络收敛速度变慢以及识别率降低的问题,提出一种改进经验小波变换(IEWT)结合改进深层Wasserstein自动编码器(IDWAE)的故障识别模型。首先,针对经验小波变换的过分解问题,提出一种振动信号频谱有效边界划分方法,进而将信号自动分解为不同频段的调幅-调频分量;然后,利用一种新的AM-FM分量筛选指标选择主要分量进行重构,实现对信号的有效降噪;最后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据中间层神经元的激活值对神经元大小进行自动增减以构造IDWAE,将经IEWT降噪后的信号输入IDWAE进行自动特征提取和故障识别。试验结果表明:IEWT-IDWAE在一定程度上缓解了工程人员对繁琐的特征提取和特征选择的依赖,对噪声的鲁棒性高,故障识别率达到了99.57%,标准差仅0.12,故障识别能力优于其他组合模型方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号