改进深层小波自编码器的轴承故障诊断方法

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.

关键词：故障诊断、深度学习、改进小波自编码器、滚动轴承

所属期刊栏目：56

分类号：TH133.33

资助基金：国家自然科学基金;北京市属高校基本科研业务费专项资金;北京市教育委员会科技计划一般项目;北京市优秀人才培养资助项目

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：263-269