基于深度自编码网络的轴承故障诊断

• 作者: 刘飞 周文晶 王晓峰 袁文军
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 深度自编码网络 智能故障诊断 特征提取 轴承
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 208-214
• 页数: 7页
• 分类号: TH212|TH213.3
• 字数: 4864字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2018.05.037

摘要

在故障诊断领域,通常采用信号处理技术提取特征,然后将特征输入到故障分类器中进行故障识别.对于提取特征部分,采用信号处理技术可以使故障诊断取得较好的效果,但是仍然存在不足之处:一是人为提取的特征很大程度上依靠专业的诊断知识;二是绝大多数方法都需要使用标签数据来进行故障特征分类,其中标签数据必须通过大量的实验才可以得到.提出一种基于深度编码网络的轴承故障新型智能诊断方法,可以克服上述故障诊断中存在的缺陷.为了验证该方法的有效性,利用具有不同健康状况的大量滚动轴承测量振动信号数据进行测试,实验结果表明效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	江南大学自动化研究所	236	964	13.0	17.0
2	王晓峰		3	61	3.0	3.0
3	周文晶		2	30	2.0	2.0
4	袁文军	江南大学自动化研究所	1	12	1.0	1.0