文献类型：期刊文章

作　　者：汤芳[1] 刘义伦[1,2] 龙慧[1]

机构地区：[1]中南大学机电工程学院,长沙410083 [2]中南大学轻合金研究院,长沙410083

出　　处：《机械科学与技术》

基　　金：国家自然科学基金项目(51375500;61402167);湖南科技大学机械设备健康维护湖南省重点实验室开放基金项目(201605)资助

年　　份：2018

卷　　号：37

期　　号：3

起止页码：352-357

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前滚动轴承故障诊断主要采用监督式学习提取故障特征的现状,提出了一种基于稀疏自编码的深度神经网络,实现非监督学习自动提取滚动轴承振动信号的内在特征用于滚动轴承故障诊断。首先,将轴承故障振动信号的频谱训练稀疏自编码获得参数;然后用稀疏自编码获得的参数和轴承振动信号频谱的频谱训练深度神经网络,并结合反向传播算法对深度神经网络进行整体微调提高分类准确度;最后用训练好的深度神经网络来识别滚动轴承故障。对正常轴承、外圈点蚀故障、内圈点蚀故障和滚动体裂纹故障振动信号的分析结果表明:相比反向传播神经网络,提出的深度神经网络更能准确的识别滚动轴承故障类型。

关 键 词：稀疏自编码  深度神经网络  滚动轴承 故障诊断

分 类 号：TH133.3] TP206.3]