振动与冲击

作者：张绍辉 罗洁思

单位：厦门理工学院 机械与汽车工程学院，厦门 361024

关键词：深度学习；稀疏自编码；齿轮箱；故障诊断

直接将时域或者频域作为低层输入信息构建深度学习故障诊断模型，可以有效的削弱人为因素的干扰，进一步提高人工智能在故障诊断领域的发展。然而，低层输入的时域信号长度难以划定，而频域信号的数据长度较大，导致模型的计算效率降低。针对该问题，提出预先对低层频域信号提取包络线，得到表征频域变化态势的信息成分，接着再与稀疏自编码结合构建稀疏自编码的故障诊断模型。齿轮箱故障诊断实验证明，与原始频域输入相比，所提方法能够在保证诊断效果的同时，降低计算复杂度和所需要的存储空间。<br>

来源：2018年第4期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第4期