[发明专利]基于深度信念网络和支持向量机的滚动轴承故障诊断方法

权利要求书

1.一种基于能量算子解调的深度信念网络和支持向量机的滚动轴承故障诊断方法，其特征在于，所述诊断方法包括以下步骤：

步骤1，以滚动轴承的原始振动数据作为输入样本，采用能量算子调解对数据进行预处理，计算出处理之后数据的时域特征统计量和频域特征统计量；

步骤2，利用深度信念网络(DBN)对提取出来的时频特征统计量进行二次特征提取，优化参数分布特性；

步骤3，以粒子群算法(PSO)对支持向量机(SVM)的参数进行优化，将步骤2提取出来的特征量和时域特征参数统计量输入到粒子群优化的支持向量机中，进行故障分类识别。

2.根据权利要求1所述的基于能量算子解调的深度信念网络和支持向量机的滚动轴承故障诊断方法，其特征在于：在步骤1，2中，采用能量算子调解对数据进行预处理，再利用深度信念网络(DBN)对进行二次特征提取，缩减运算时间，优化参数分布特性。

3.根据权利要求1所述的基于能量算子解调的深度信念网络和支持向量机的滚动轴承故障诊断方法，其特征在于：在步骤3中，将DBN与PSO-SVM相结合，提高故障诊断的效率和准确率。