基于神经网络的去噪模型在轴承故障诊断中的应用

针对轴承微弱故障稀疏振动信号的特征提取，提出了基于模型数据协同链接框架的端到端深度网络稀疏去噪(DNSD)策略。建立了全局可微稀疏模型，引入深度神经网络学习超参数，基于轴承内圈故障机理建立了多模式数据集模拟故障信号，通过DNSD对数据集以去噪自编码器的形式进行训练，重建损失并更新网络和稀疏理论的参数，通过轴承内圈故障的仿真和试验验证了DNSD模型在轴承微弱故障特征提取方面的优越性和鲁棒性。