基于深度学习理论的轴承状态识别研究

• 作者: 张一文 郭亮 高宏力 黄海凤
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 深度学习 非监督学习 滚动轴承 视情维修
• 年，卷（期）: 2016,（12）
• 页码范围: 166-170,195
• 页数: 6页
• 分类号: TH17
• 字数: 5176字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2016.12.026

摘要

针对滚动轴承振动数据耦合程度高，信号特征提取和识别模型建立困难的问题，提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量；通过稀疏自编码非监督学习网络对输入向量进行特征学习，并将单层网络叠加构成深度神经网络；最后采用少量有标签数据对整个深度神经网络进行微调训练，建立轴承状态监测模型。试验结果表明，提出的方法对于轴承状态识别准确率达到90．86％，且性能退化阶段识别率最高，能满足视情维修的工程需求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高宏力	西南交大通大学机械工程学院	3	2	1.0	1.0
2	黄海凤	西南交大通大学机械工程学院	2	1	1.0	1.0
3	郭亮	西南交大通大学机械工程学院	2	1	1.0	1.0
4	张一文	西南交大通大学机械工程学院	1	0	0.0	0.0