文献类型：期刊文章

作　　者：袁文军[1] 刘飞[1] 王晓峰[2] 周文晶[2]

YUAN Wenjun;LIU Fei;WANG Xiaofeng;ZHOU Wenjing(Institute of Automation,Jiangnan University,Wuxi 214000,Jiangsu China;Siemens China Institute,Beijing 100102,China)

机构地区：[1]江南大学自动化研究所,江苏无锡214122 [2]西门子中国研究院,北京100102

出　　处：《噪声与振动控制》

年　　份：2018

卷　　号：38

期　　号：5

起止页码：208-214

语　　种：中文

收录情况：CSCD、CSCD_E2017_2018、JST、ZGKJHX、普通刊

摘　　要：在故障诊断领域,通常采用信号处理技术提取特征,然后将特征输入到故障分类器中进行故障识别。对于提取特征部分,采用信号处理技术可以使故障诊断取得较好的效果,但是仍然存在不足之处:一是人为提取的特征很大程度上依靠专业的诊断知识;二是绝大多数方法都需要使用标签数据来进行故障特征分类,其中标签数据必须通过大量的实验才可以得到。提出一种基于深度编码网络的轴承故障新型智能诊断方法,可以克服上述故障诊断中存在的缺陷。为了验证该方法的有效性,利用具有不同健康状况的大量滚动轴承测量振动信号数据进行测试,实验结果表明效果良好。

关 键 词：振动与波 深度自编码网络  智能故障诊断 特征提取 轴承

分 类 号：TH212] TH213.3