基于分层极限学习机的轴承故障诊断方法

作     者：袁湘流 林奕屾 王磊 杨铭 张玉黎 

作者机构：宁波中车轨道交通装备有限公司浙江宁波315100 

出 版 物：《设备管理与维修》 (Plant Maintenance Engineering)

年 卷 期：2023年第19期

页      码：89-91页

摘      要：提出基于分层极限学习机结合迁移学习的轴承故障诊断方法,分析其在变工况下的故障诊断效果。应用短时傅里叶变换方法生成振动信号时频图,并提取不变矩特征、灰度差分统计特征,区分不同故障时频图的形态和纹理特征。在变工况下使用动态分布自适应方法,循环迭代得到最优迁移学习参数,以减小源域和目标域的MMD距离。然后使用分层极限学习机,对迁移后的样本数据进行故障分类。结果表明,所设计的迁移学习方法具有精度高、速度快的优点,在变工况下动态分布自适应迁移学习方法的故障诊断结果优于SVM等非迁移学习的机器学习方法,分层极限学习机作为故障分类器优于KNN、BP等分类器的效果,同时基于时频图的特征提取方法改善了源域和目标域间的可迁移性。

主 题 词：轴承故障诊断 变工况 迁移学习 分层极限学习机 短时傅里叶变换 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 080201[080201] 0812[工学-测绘类] 

D　O　I：10.16621/j.cnki.issn1001-0599.2023.10.29

馆 藏 号：203124164...