振动与冲击

作者：郭亮，高宏力，张一文，黄海凤

单位：西南交大通大学机械工程学院, 成都, 610031

关键词：深度学习；非监督学习；滚动轴承；视情维修

针对滚动轴承振动数据耦合程度高，信号特征提取和识别模型建立困难的问题，本文提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量。通过稀疏自编码非监督学习网络对输入向量进行特征学习，并将单层网络叠加构成深度神经网络。最后采用少量有标签数据对整个深度神经网络进行微调训练，建立轴承状态监测模型。试验结果表明，提出的方法对于轴承状态识别准确率达到90.86%，且性能退化阶段识别率最高，能满足视情维修的工程需求。<br>

来源：2016年第12期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2016年第12期