基于判别性卷积神经网络的感应电机故障诊断

摘要：

针对现有故障诊断大多基于信号处理方法的现状,提出一种基于判别性卷积神经网络的智能特征学习方法并用于感应电机故障诊断.首先利用BP神经网络从已知故障类型的电机振动信号中学习卷积层滤波器权值,使之能够获取具判别性的特征信息.然后构建一个三层卷积神经网络,利用其具有局部连接和保持特征不变性的特点,用配置好权值的滤波器在非监督模式下卷积学习振动信号中所隐含的具判别性的特征信息.最后将学习到的特征加上其标签用来训练支持向量机(Support Vector Machine,SVM)分类器,实现对感应电机故障类型的分类.试验数据分析表明,这一基于判别性卷积神经网络的智能特征学习方法可有效提高感应电机故障诊断的准确度.

关键词： 感应电机 故障诊断 卷积神经网络 判别性学习

作者: 孙文珺 邵思羽 严如强

作者单位: 东南大学仪器科学与工程学院,南京210096

会议类型: 国内会议

会议名称: 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议地点: 西安

会议语种:中文

页码: 38-40

在线出版日期: 2016-08-01（万方平台首次上网日期，不代表论文的发表时间）