基于AE-IFCM的轴承故障诊断方法

作者：王进花^*; 王跃龙; 黄涛; 曹洁

来源：太阳能学报, 2022, 43(07): 310-315.

DOI：10.19912/j.0254-0096.tynxb.2020-1232

• 故障诊断
• 自编码器
• 模糊聚类
• 滚动轴承

针对传统模糊聚类（FCM）方法对故障进行聚类的依据是原始数据之间的相似性，在滚动轴承的故障诊断中无法提取轴承数据的深层特征，对于耦合故障、微弱故障等复杂情况下，不同故障的特征难以有效区分，导致故障诊断准确率较低的问题，提出AE-IFCM轴承故障诊断方法。利用自动编码器（AE）网络提取轴承故障的样本特征，再利用改进的FCM(IFCM)进行故障诊断，通过对AE网络提取的抽象特征聚类，不仅可最大限度地利用样本数据，也能降低模型陷入局部极小值的风险。通过在凯斯西储大学轴承故障数据集中的实验表明，AE-IFCM能提高轴承故障诊断的准确性。

• 单位
  中国市政工程西北设计研究院有限公司; 兰州理工大学