基于深度卷积变分自编码网络的故障诊断方法

摘要：

机械传动部件的健康状况影响设备的正常运行,针对齿轮、轴承等传动部件的故障诊断,传统的诊断方法是依靠人工经验提取和选择故障特征,然而,特征选择的优劣直接影响诊断效果.结合深度学习在特征提取和处理高维数据方面的优势,提出一种基于深度卷积变分自编码网络(DCVAEN)的故障诊断方法.该方法利用频谱数据训练深度神经网络,能减少特征提取对人工经验的依赖和信息的损失,在网络中加入了变化的噪声和调整学习率,使得网络隐层提取判别性的故障特征,能满足多故障和变工况的诊断.利用自吸式离心泵数据和西储大学轴承数据进行分析验证,实验结果表明,所提方法能更准确、更稳定地识别传动部件的各种故障,具有较强的泛化能力.

关键词：卷积、变分自编码、深度神经网络、传动部件、故障诊断

所属期刊栏目：39

分类号：TP206.3;TH165.3(自动化技术及设备)

资助基金：国家自然科学基金61640308

在线出版日期：2019-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：27-35