压缩感知和改进深层小波网络在轴承故障诊断中的应用
杜小磊1
陈志刚1
张楠2
许旭1
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,北京100044
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.
关键词：滚动轴承故障诊断压缩感知深层小波神经网络
分类号：TH133.33(机械零件及传动装置)
资助基金：国家自然科学基金(51605022)北京市教委科技项目(SQKM201710016014)北京市优秀人才培养资助项目(2013D005017000013)中央高校基本科研业务费专项(X18217)
论文发表日期：2020-08-15
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：9( 777-785 )
英文信息