压缩感知和改进深层小波网络在轴承故障诊断中的应用

作     者：杜小磊 陈志刚 张楠 许旭 DU XiaoLei;CHEN ZhiGang;ZHANG Nan;XU Xu

作者机构：北京建筑大学机电与车辆工程学院北京100044 北京市建筑安全监测工程技术研究中心北京100044 

基　　金：国家自然科学基金项目(51605022) 北京市教育委员会科技计划一般项目(SQKM201710016014) 北京市优秀人才培养项目(2013D005017000013) 北京市属高校基本科研业务费专项资金(X18217)资助 

出 版 物：《机械强度》 (Journal of Mechanical Strength)

年 卷 期：2020年第42卷第4期

页      码：777-785页

摘      要：针对传统滚动轴承故障诊断方法过度依赖专家经验和故障特征提取困难的问题,提出一种基于压缩感知(Compressive Sensing,CS)和改进深层小波神经网络(Deep Wavelet Neural Network,DWNN)方法。首先对采集到的轴承振动信号进行CS降噪并压缩采样;其次设计改进小波自编码器(Wavelet Auto-Encoder,WAE)进而构造DWNN,并引入"跨层"连接缓解网络的梯度消失现象;最后利用大量无标签轴承压缩数据对DWNN进行无监督预训练并利用少量带标签数据对网络有监督微调,进而实现故障判别。实验结果表明提出方法能够有效地对轴承进行多种故障类型和多种故障程度的识别,受先验知识和主观影响较小,避免了复杂的人工特征提取过程,特征提取能力和识别能力优于人工神经网络、深度信念网络、深度稀疏自编码器等模型。

主 题 词：滚动轴承 故障诊断 压缩感知 深层小波神经网络 

学科分类：08[工学] 080203[080203] 0805[工学-能源动力学] 0802[工学-机械学] 0701[理学-数学类] 0801[工学-力学类] 0812[工学-测绘类] 080201[080201] 

D　O　I：10.16579/j.issn.1001.9669.2020.04.003

馆 藏 号：203959482...