基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法

摘　要：提出一种基于奇异值分解（ＳＶＤ）和深度信度网络（ＤＢＮ）多分类器的滚动轴承故障诊断方法．对滚动轴承的振动信号进行相空间重构，得到相应的特征矩阵；对特征矩阵进行ＳＶＤ分解，并用所得整个奇异值序列构造特征向量，建立ＤＢＮ多分类器模型，以实现滚动轴承的故障诊断；同时，将所提出的方法与ＤＢＮ、反向传播神经网络、支持向量机等算法进行对比．结果表明，所提出的方法能够更加稳定、可靠地识别滚动轴承的故障类型和故障程度．