基于深度信念网络和多信息融合的复杂机电装备故障诊断方法

来源：机床与液压杂志2019年第1期北京时间：

作者：刘秀丽

单位：北京信息科技大学现代测控技术教育部重点实验室；北京信息科技大学现代测控技术教育部重点实验室

摘要：针对复杂机电装备故障诊断中存在的数据量大、提取故障特征困难等问题，结合深度学习理论强大的感知与自我学习能力，提出一种基于深度信念网络和多信息融合的复杂机电装备故障诊断方法。将多个传感器的原始时域信号数据输入深度信念网络进行训练，通过反向微调学习对深度信念网络进行整体微调，提高分类准确性，同时在训练过程采用ReLu激活函数和加入Batch Normalization，减少过拟合出现概率的同时提高了网络收敛的速度。将此方法运用到复杂数控加工中心刀具的故障诊断中，结果表明该方法相比传统BPNN算法和采用Sigmoid激活函数的深度神经网络算法准确率更高。

关键词：深度信念网络;复杂机电装备;ReLu激活函数;Batch Normalization方法;故障诊断

基金资助：国家自然科学基金面上项目(51275052)；国家高技术发展研究计划（2015AA043702）；北京市教委科研计划项目(KM201811232023)