滚动轴承故障检测深度卷积稀疏自动编码器建模研究

• 作者: 丁承君 冯玉伯 陈雪
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 稀疏自动编码器 神经网络 时间序列 故障诊断 机械设备
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 1566-1572
• 页数: 7页
• 分类号: TH165+.3|TP206+.3
• 字数: 5820字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20180036

摘要

针对机械设备故障诊断大多采用有监督学习提取故障特征,而有标签数据难以获取的现状,提出一种在稀疏自动编码器中嵌入卷积网络的深度神经网络.利用希尔伯特和傅里叶变换实现机械设备振动时间序列向Hilbert包络谱的转换,通过卷积网络中多组卷积核自动学习谱空间数据的不同特征,保证了特征提取的自动化、全面性和多样性,稀疏自动编码器搜索具有正交性数据特征的低维表示,并使得编码后的数据具有很强的聚类特性,实现设备的自动故障诊断.通过对滚动轴承振动信号进行分析实验,证明该方法在设备故障诊断中具有去标签化、自动化、鲁棒性等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁承君	河北工业大学机械工程学院	84	619	13.0	23.0
2	冯玉伯	河北工业大学机械工程学院	15	18	3.0	3.0
6	陈雪	河北工业大学机械工程学院	4	15	2.0	3.0