一种多尺度卷积自编码网络及其在滚动轴承故障诊断中的应用

• 作者: 丁云浩 贾民平
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 故障诊断 深度学习 卷积自编码网络 多尺度卷积核 特征提取
• 年，卷（期）: 2019,（4）
• 页码范围: 417-423
• 页数: 7页
• 分类号: TH133.3|TP18
• 字数: 762字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2019.04.003

摘要

针对旋转机械故障特征需要人工提取导致故障识别困难的问题,在传统卷积自编码网络基础上,提出一种一维多尺度卷积自编码的故障诊断模型.该模型首先使用并行、不同尺度的卷积核和反卷积核对输入信号进行特征提取和重构,然后将多尺度卷积核所提取到的特征图作为分类器的输入,最后用带标签的数据对全模型的参数进行微调.通过一组模拟故障信号数据和2组滚动轴承故障实验数据对一维多尺度卷积自编码模型进行验证,结果显示该模型可分别达到99.75％、99.3％和100％的诊断精度.此外,将一维多尺度卷积自编码模型与传统机器学习、卷积神经网络和卷积自编码网络进行诊断精度和重构误差的比较,最终结果表明所提出模型对于滚动轴承故障数据有更好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾民平	东南大学机械工程学院	178	1997	21.0	36.0
2	丁云浩	东南大学机械工程学院	1	0	0.0	0.0