基于稀疏自动编码器与FAKELM的滚动轴承故障诊断

文档名：基于稀疏自动编码器与FAKELM的滚动轴承故障诊断
提取滚动轴承有效的故障特征参数是轴承故障诊断重要的组成部分,为改善核极限学习机(KernelExtremeLearningMachine,KELM)高维数据特征选取的问题,提出一种结合稀疏自动编码器(SparseAuto-Encoder,SAE)与KELM的方法.首先,提取振动信号的时域、频域和时频域特征构成高维特征向量;其次,采用多层SAE融合高维特征来消除特征的冗余性;最后,采用融合后的特征训练KELM,得到故障诊断模型.针对KELM对参数敏感的缺陷,采用萤火虫算法(IF)进行参数优化.为评估方法有效性,采用实验数据进行测试,并与传统KELM方法进行比较,结果显示该方法具有更好准确性和稳定性.
作者：敦泊森柳晨曦王奉涛
作者单位：大连理工大学振动工程研究所,辽宁大连116023
母体文献：第二十八届全国振动与噪声高技术应用学术会议论文集
会议名称：第二十八届全国振动与噪声高技术应用学术会议  
会议时间：2018年4月1日
会议地点：上海
主办单位：中国振动工程学会
语种：chi
分类号：
关键词：滚动轴承  故障诊断  稀疏自动编码器  核极限学习机
在线出版日期：2019年1月18日
基金项目：
相似文献
相关博文

2024-12-10 15:22 上传 基于稀疏自动编码器与FAKELM的滚动轴承故障诊断.pdf

文件大小:

1.24 MB

下载次数:

60

高速下载