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 She Bo;Tian Fuqing;Liang Weige

作者机构：海军工程大学兵器工程学院 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2018年第39卷第10期

页      面：27-35页

核心收录：

学科分类：08[工学] 080202[工学-机械电子工程] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0703[理学-化学] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61640308)项目资助 

主　　题：卷积 变分自编码 深度神经网络 传动部件 故障诊断 

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。