| 自适应小波分析和多层卷积极限学习码器的轴承故障识别研究 |
| |
| 引用本文： | 谭亚红.自适应小波分析和多层卷积极限学习码器的轴承故障识别研究[J].机车电传动,2021(6):106-113. |
| |
| 作者姓名： | 谭亚红 |
| |
| 作者单位： | 重庆工程职业技术学院智能制造与交通学院,重庆402260 |
| |
| 摘 要： | 针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型.首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱进行自适应分割,进而将信号分解为若干本征模态分量;然后选择较能反映轴承故障特征的模态分量并重构;最后构造卷积极限学习自编码器,并逐层堆叠建立深层网络MLCELAE,将信号样本输入MLCELAE进行自动特征学习与故障识别.试验结果表明:提出方法的平均故障识别准确率达到了98.48％,标准差仅为0.17,相比于其他方法在轴承故障识别准确率方面更具优势,适用于滚动轴承故障的自动识别.
|
| 关 键 词： | 轴承 自适应小波分析 故障识别 卷积极限学习自编码器 |
Fault Identification of Rolling Bearing Based on Adaptive Wavelet Analysis and Multiple Layers Convolution Extreme Learning Auto-encoder |
| |
| TAN Yahong.Fault Identification of Rolling Bearing Based on Adaptive Wavelet Analysis and Multiple Layers Convolution Extreme Learning Auto-encoder[J].Electric Drive For Locomotive,2021(6):106-113. |
| |
| Authors: | TAN Yahong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
