基于深度卷积变分自编码网络的故障诊断方法

作者：佘博; 田福庆^*; 梁伟阁

来源：仪器仪表学报, 2018, 39(10): 27-35.

DOI：10.19650/j.cnki.cjsi.J1803671

• 卷积
• 变分自编码
• 深度神经网络
• 传动部件
• 故障诊断

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。

• 单位
  中国人民解放军海军工程大学