全矢深度学习在轴承故障诊断中的应用

• 作者: 张旺 陈磊 陈超宇 韩捷
• 来源期刊: 机械传动
• 关键词: 智能故障诊断 深度学习 全矢谱 稀疏自动编码器
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 开发应用
• 页码范围: 144-149
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2019.01.029

摘要

为了应对日趋庞杂的故障监测系统数据,针对单通道信号存在的信息遗漏以及传统智能诊断手工提取特征的复杂性和不通用性,提出了全矢深度学习滚动轴承智能诊断方法.首先,用全矢谱融合双通道的振动信号,得到全矢融合后的主振矢数据,克服了单通道振动信号信息不完整的缺点;然后,在此基础上构建全矢深度神经网络,结合稀疏编码和去噪编码算法,自适应地提取故障特征.最后,使用反向传播算法进行网络参数整体微调.试验结果表明,该方法能够自适应地提取更为有效的故障特征,提高了故障诊断准确率和稳定性,改善了传统方法的复杂流程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈磊	郑州大学振动工程研究所	71	341	11.0	15.0
2	韩捷	郑州大学振动工程研究所	196	1599	19.0	30.0
3	陈超宇	郑州大学振动工程研究所	3	10	2.0	3.0
4	张旺	郑州大学振动工程研究所	4	5	1.0	2.0