| 基于深度自编码网络的轴承故障诊断 |
| |
| 引用本文： | 袁文军,刘飞,王晓峰,周文晶. 基于深度自编码网络的轴承故障诊断[J]. 噪声与振动控制, 2018, 38(5): 208-214 |
| |
| 作者姓名： | 袁文军 刘飞 王晓峰 周文晶 |
| |
| 作者单位： | （ 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 ） |
| |
| 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 |
| 收稿时间： | 2018-01-25 |
Bearing Diagnosis based on Deep Neural Network of Auto-encoder |
| |
| yuan wenjun. Bearing Diagnosis based on Deep Neural Network of Auto-encoder[J]. Noise and Vibration Control, 2018, 38(5): 208-214 |
| |
| Authors: | yuan wenjun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 |
|
点击此处可从《噪声与振动控制》下载全文 |
|
