文档名：基于DMD和改进胶囊网络的变工况轴承故障诊断方法
摘要：针对轴承单一传感器所测数据存在不全面性和简单利用多传感器数据造成数据过多的问题,引入动态模态分解(DMD)的信号分解方法,将多传感器信号分解为多个模态,并提出利用能量值最大的模态对原始信号进行重构;针对变工况的问题,首先引入含有矢量神经元的胶囊网络(CN),然后提出在胶囊网络中加入转置卷积,构建改进的胶囊网络模型(ICN)充分提取输入数据的空间信息,对故障特征进行智能识别.基于DMD和ICN的轴承故障诊断方法既可以利用多传感器信号,同时也不会造成数据冗余;此外,ICN可以充分提取不同数据的空间信息,并通过动态路由算法计算胶囊层的相关度,实现在变工况下对轴承故障的精确诊断.实验结果表明,基于DMD和ICN模型的轴承智能故障诊断方法,比传统卷积神经网络(CNN)和未改进的胶囊网络具备更强的变工况故障诊断能力.
作者：李俊卿 胡晓东 耿继亚 张承志 王罗 何玉灵 Author：LIJunqing HUXiaodong GENGJiya ZHANGChengzhi WANGLuo HEYuling
作者单位：华北电力大学电气与电子工程学院,河北保定071000中国长江三峡集团有限公司,北京100038华北电力大学机械工程系,河北保定071000
刊名：电机与控制学报 ISTICEIPKU
Journal：ElectricMachinesandControl
年，卷(期)：2023, 27(11)
分类号：TM64
关键词：电机轴承 故障诊断 深度学习 动态模态分解 胶囊网络 小波变换
Keywords：motorbearing faultdiagnosis deeplearning dynamicmodedecomposition capsulenetwork wavelettransform
机标分类号：TP393TN925.93TP277
在线出版日期：2024年1月18日
基金项目：国家自然科学基金基于DMD和改进胶囊网络的变工况轴承故障诊断方法[
期刊论文] 电机与控制学报--2023, 27(11)李俊卿 胡晓东 耿继亚 张承志 王罗 何玉灵针对轴承单一传感器所测数据存在不全面性和简单利用多传感器数据造成数据过多的问题,引入动态模态分解(DMD)的信号分解方法,将多传感器信号分解为多个模态,并提出利用能量值最大的模态对原始信号进行重构;针对变工况的...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于DMD和改进胶囊网络的变工况轴承故障诊断方法 Fault diagnosis method of variable working condition bearing based on DMD and improved capsule network
基于DMD和改进胶囊网络的变工况轴承故障诊断方法.pdf
- 文件大小:
- 10.1 MB
- 下载次数:
- 60
-
高速下载
|
|
