基于改进的堆叠降噪自动编码器深度模型的转子-转轴系统故障诊断方法

作     者：姜万录 李金虎 李振宝 姜安琦 JIANG Wanlu;LI Jinhu;LI Zhenbao;JIANG Anqi

作者机构：燕山大学先进锻压成型技术与科学教育部重点实验室河北秦皇岛066004 河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2020年第48卷第21期

页      面：182-188,196页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金项目(51875498) 河北省自然科学基金重点项目(E2018203339) 

主　　题：故障诊断 深度模型 堆叠降噪自动编码器 Dropout机制 

摘      要：旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入Dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无Dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。