改进深层小波自编码器的轴承故障诊断方法

• 作者: 张楠 杜小磊 许旭 陈志刚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 故障诊断 深度学习 改进小波自编码器 滚动轴承
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 工程与应用
• 页码范围: 263-269
• 页数: 7页
• 分类号: TH133.33
• 字数: 4125字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0372

摘要

针对传统滚动轴承故障诊断方法过度依赖专家经验和故障特征提取困难的问题,结合深度学习处理高维、非线性数据的优势,提出一种基于改进深层小波自编码器的轴承智能故障诊断方法.该方法改进小波自编码器的损失函数并引入收缩项限制,再将多个小波自编码器进行堆叠构成深层小波自编码器,并引入"跨层"连接缓解梯度消失现象,最后利用大量无标签数据对网络进行无监督预训练并利用少量带标签数据对模型参数有监督微调.轴承诊断实验结果表明,该方法能有效地对轴承进行多种故障类型和多种故障程度的识别,特征提取能力和识别能力优于人工神经网络、深度信念网络、深度自编码器等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志刚	北京建筑大学机电与车辆工程学院	31	44	4.0	6.0
5	杜小磊	北京建筑大学机电与车辆工程学院	14	5	2.0	2.0
9	张楠	北京建筑大学机电与车辆工程学院	29	26	2.0	4.0
10	许旭	北京建筑大学机电与车辆工程学院	10	2	1.0	1.0