论文部分内容阅读
油气设备是智慧油田的重要组成部分，其可靠性直接关系到油田的安全生产。当前设备智能诊断多采用人为提取时频域指标或分解信号提取相应指标的方法，在这一过程中难兔受到人为因素的影响，客易造成敏感特征的遗漏。针对这一问题，论文研究了基于深度玻耳兹曼机的设备故障深度学习诊断方法，实现故障特征的自动提取和故障摸式的有效识别。首先，利用非抽样提升小波包对振动信号降噪； 然后构建高斯深度玻耳兹曼机摸型，利用粒子群方法对摸型参数优选，确定隐层节点数、训练阶次和每阶训练次数； 最后将降噪后的信号直接输入到该摸型中进行深度学习，实现自适应特征提取和故障摸式识别。轴承故障诊断应用实例表明，该方法可以在大数据条件下自动挖掘故障特征，实现了设备的智能诊断。