基于多路稀疏自编码的轴承状态动态监测

发布时间：2017-07-08 17:05

  本文关键词：基于多路稀疏自编码的轴承状态动态监测

  更多相关文章： 深度学习 稀疏自编码 状态识别

【摘要】：机械系统的运行是一个时变的过程,为了更好的监测系统的健康状况,通常在设备系统的关键部位加装各种传感器,由此产生大量的数据,传统的单一数据或者人为经验指导均无法快速有效的提取其中的状态信息,排除冗余成分的影响,实现对设备运行状态实时有效的判断。为了有效利用设备上的多路传感器信息,并融合这些信息提取描述系统运行状态的有效成分,实现对机械系统的在线监测。提出利用稀疏自编码深度学习模型对各个传感器采集到的数据进行融合,并结合平方预测误差SPE(Square Prediction Error)指标描述设备运行状态,轴承仿真及轴承故障实验证明,采用稀疏自编码与平方预测误差相结合的模型能够有效的监测轴承故障,并对故障部位进行准确定位。
【作者单位】： 厦门理工学院机械与汽车工程学院;
【关键词】： 深度学习 稀疏自编码 状态识别
【基金】：厦门理工学院科研启动项目(YKJ14042R) 福建省自然科学基金青年基金(2014J05065)
【分类号】：TH133.3
【正文快照】： 机械系统是一个复杂的非线性系统,其运行状态是一个时变的过程,难以用精确建模的方法实时监测系统在真实工况中的状态变化,而采用数据驱动方法只需根据实验和历史数据寻找并发现故障规律,进而判别系统的健康状态,省去建立物理模型的繁琐过程,有效的提高诊断效率。传统的数据驱

【相似文献】

中国期刊全文数据库 前10条

1 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

2 余成波，，梁德沛;基于模糊相似贴近度旋转机械状态识别[J];机械传动;1994年04期

3 杜向华;毛荣富;朱海潮;;加权支持向量机在机器状态识别中的应用[J];船海工程;2006年04期

4 张蕾,郭忠新,曹其新;设备退化状态识别的两种方法[J];机床与液压;2005年01期

5 张优云;系统识别在摩擦学中的应用(续)[J];润滑与密封;1989年02期

6 王宁;孙树栋;蔡志强;李淑敏;;基于HSMM的两阶段设备缺陷状态识别方法[J];计算机应用研究;2011年12期

7 谭青;旋转机械故障诊断的状态识别[J];南昌高专学报;1998年03期

8 曾庆虎;邱静;刘冠军;;基于小波相关特征尺度熵的HSMM设备退化状态识别与故障预测方法[J];仪器仪表学报;2008年12期

9 曾庆虎;邱静;刘冠军;;小波相关特征尺度熵和隐半马尔可夫模型在设备退化状态识别中的应用[J];机械工程学报;2008年11期

10 张星辉;李凤学;赵劲松;曹端超;滕红智;;齿轮箱状态识别与剩余寿命预测的MoG-BBN法[J];噪声与振动控制;2014年02期

中国重要会议论文全文数据库 前2条

1 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

2 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前2条

1 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

2 朱昌堆;滚动轴承声发射信号特征选取及状态识别方法研究[D];北京化工大学;2012年

本文编号：535460