基于深度学习理论的轴承状态识别研究

摘要：

针对滚动轴承振动数据耦合程度高，信号特征提取和识别模型建立困难的问题，提出了一种基于深度学习理论的状态监测方法。提取振动信号的时域、频域和时频域特征构成特征向量；通过稀疏自编码非监督学习网络对输入向量进行特征学习，并将单层网络叠加构成深度神经网络；最后采用少量有标签数据对整个深度神经网络进行微调训练，建立轴承状态监测模型。试验结果表明，提出的方法对于轴承状态识别准确率达到90．86％，且性能退化阶段识别率最高，能满足视情维修的工程需求。

关键词：深度学习、非监督学习、滚动轴承、视情维修

所属期刊栏目：35

分类号：TH17

资助基金：国家自然科学基金NSF51275426

在线出版日期：2016-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：166-170,195