加噪样本扩展深度稀疏自编码神经网络的滚动轴承寿命阶段识别

被引:13
作者
陈仁祥 [1 ,2 ,3 ]
黄鑫 [1 ]
杨黎霞 [1 ]
汤宝平 [2 ]
陈思杨 [1 ]
杨星 [1 ]
机构
[1] 重庆交通大学机电与车辆工程学院
[2] 重庆大学机械传动国家重点实验室
[3] 四川大学空天科学与工程学院
基金
中国博士后科学基金;
关键词
故障诊断; 滚动轴承; 寿命阶段; 稀疏自编码; 神经网络;
D O I
10.16385/j.cnki.issn.1004-4523.2017.05.021
中图分类号
TH133.33 [滚动轴承];
学科分类号
080203 ;
摘要
针对滚动轴承寿命特征提取与寿命阶段智能识别问题,提出加噪样本扩展深度稀疏自编码神经网络的滚动轴承寿命阶段识别方法。稀疏自编码具有非监督自动学习数据内部结构特征的能力,但属浅层网络,特征提取能力有限且不具备分类能力。因此,将多个稀疏自编码堆栈并添加分类层构建出集寿命特征自动提取与识别功能于一体的深度稀疏自编码神经网络,通过无监督逐层自学习与有监督微调,完成寿命特征的自动提取与表达,并实现寿命阶段智能识别。同时,为解决寿命样本量不足导致的网络过拟合,对原训练样本进行加噪扩展来训练网络,以抑制网络过拟合并提高网络的鲁棒性。通过工程应用,证明了所提方法的可行性和有效性。
引用
收藏
页码:874 / 882
页数:9
相关论文
共 13 条
[1]   基于振动敏感时频特征的航天轴承寿命状态识别方法 [J].
陈仁祥 ;
陈思杨 ;
杨黎霞 ;
王家序 ;
董绍江 ;
徐向阳 .
振动与冲击, 2016, 35 (17) :134-139+164
[2]   基于稀疏自动编码深度神经网络的感应电动机故障诊断 [J].
孙文珺 ;
邵思羽 ;
严如强 .
机械工程学报, 2016, 52 (09) :65-71
[3]   基于频域信号的稀疏编码在机械故障诊断中的应用 [J].
朱会杰 ;
王新晴 ;
芮挺 ;
李艳峰 ;
李立平 .
振动与冲击, 2015, 34 (21) :59-64
[4]   基于深度学习理论的机械装备大数据健康监测方法 [J].
雷亚国 ;
贾峰 ;
周昕 ;
林京 .
机械工程学报, 2015, 51 (21) :49-56
[5]   基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测 [J].
申中杰 ;
陈雪峰 ;
何正嘉 ;
孙闯 ;
张小丽 ;
刘治汶 .
机械工程学报, 2013, 49 (02) :183-189
[6]  
Life grade recognition method based on supervised uncorrelated orthogonal locality preserving projection and K-nearest neighbor classifier[J] . Feng Li,Jiaxu Wang,Baoping Tang,Daqing Tian.Neurocomputing . 2014
[7]   Bearing running state recognition based on non-extensive wavelet feature scale entropy and support vector machine [J].
Dong, Shaojiang ;
Tang, Baoping ;
Chen, Renxiang .
MEASUREMENT, 2013, 46 (10) :4189-4199
[8]  
Chemical Degradation of a Multiply Alkylated Cyclopentane (MAC) Oil During Wear: Implications for Spacecraft Attitude Control System Bearings[J] . P. A. Bertrand.Tribology Letters . 2013 (2)
[9]   Faulty bearing signal recovery from large noise using a hybrid method based on spectral kurtosis and ensemble empirical mode decomposition [J].
Guo, Wei ;
Tse, Peter W. ;
Djordjevich, Alexandar .
MEASUREMENT, 2012, 45 (05) :1308-1322
[10]   Physics-based modeling strategies for diagnostic and prognostic application in aerospace systems [J].
Stringer, David B. ;
Sheth, Pradip N. ;
Allaire, Paul E. .
JOURNAL OF INTELLIGENT MANUFACTURING, 2012, 23 (02) :155-162