基于小波和深度小波自编码器的轴承故障诊断
杜小磊1
陈志刚1
张楠2
郭兴国3
1.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 1000442.北京建筑大学机电与车辆工程学院,北京,1000443.中国矿业大学机电工程学院,北京,100083
摘要：针对滚动轴承故障严重程度与复合故障难以准确识别的问题,提出了一个基于提升双树复小波包(Lifting Dual-Tree Complex Wavelet Packet,LDTCWP)和深度小波自编码器(Deep Wavelet Auto-Encoder,DWAE)的轴承故障诊断方法.首先,使用迁移学习扩展目标数据量;其次,对轴承振动数据进行3层提升双数复小波包分解,分别计算各子频带信号的样本熵、排列熵和能量矩,作为初始特征向量;最后,将初始特征向量输入DWAE,进行二次特征提取并实现故障诊断.实验结果表明,该方法能有效地对滚动轴承进行多种故障类型和多种故障程度的识别,与传统机器学习方法相比,在目标数据较少的情况下也具有较强的泛化能力、特征提取能力和识别能力.
关键词：滚动轴承提升双树复小波包深度小波自编码器迁移学习故障诊断
资助基金：国家自然科学基金(51605022)中央高校基本科研业务费专项(X18217)北京市教委科技项目(SQKM201710016014)北京市优秀人才培养资助项目(2013D005017000013)
论文发表日期：2019-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 103-108 )
英文信息