一种自适应深度置信网络滚动轴承故障诊断方法

摘要

一种自适应深度置信网络滚动轴承故障诊断方法，涉及一种轴承故障诊断方法，所述方法首先明确深度置信网络基本理论以及影响它本身分类效果的设计参数；SSA的基本理论描述和算法参数设置；将获得的数据分成训练样本和测试样本，结合最小批随机梯度下降法和无监督学习方法对DBN进行预训练，将自适应动量规则导入到DBN的每一个RBM中，构成SADBN训练模型；将上述模型与SSA优化方法结合；将测试集导入到已经训练好的SSA‑SADBN模型中，根据神经网络的输出判断其分类效果。本发明有效地利用了深度神经网络的数据挖掘能力；通过改进受限波尔茨曼机参数更新规则，有效地提升了滚动轴承故障诊断的分类精度，解决了人工提取特征的复杂性问题。