基于S变换与深度学习相结合的滚动轴承故障诊断方法研究

• 作者: 时培明 殷晓迪 苏冠华
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: S变换 深度学习 稀疏自动编码器 故障智能诊断
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 设备设计/诊断维修/再制造
• 页码范围: 125-130
• 页数: 6页
• 分类号: TH133.33
• 字数: 3908字
• 语种: 中文
• DOI: 10.16731/j.cnki.1671-3133.2019.07.021

摘要

滚动轴承是机械设备中的重要组成部分,因其故障种类繁多,例如故障位置可能出现在轴承的内圈、外圈或者滚动体,故障的尺度又深浅不一,并且其工作环境往往在强噪声背景下,所以传统的信号处理与分类方法很难做到有效地分类识别.针对这一问题,提出一种基于S变换时频分析提取特征与深度学习故障分类的滚动轴承故障的智能识别方法.首先将原始时域数据经过S变换得到二维特征矩阵,再将特征矩阵输入到稀疏自动编码器(Sparse Autoencoders,SAE)中进一步提取其隐含特征,并通过神经网络实现故障的分类.实验结果表明,应用上述方法可以有效地实现对不同位置、不同故障尺度的滚动轴承故障实现准确的诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	时培明	燕山大学电气工程学院	71	537	12.0	20.0
2	苏冠华	燕山大学电气工程学院	3	8	2.0	2.0
3	殷晓迪	燕山大学电气工程学院	1	0	0.0	0.0