液压泵作为液压系统中的关键元件,承担着将原动机机械能转换为液体压力能,为液压系统提供动力的重要作用,其运行状态直接影响到整个液压系统的性能。SDAE属于无监督学习算法,能有效实现对液压泵的故障特征提取。鉴于此,将剖析SDAE的基本原理,阐述基于SDAE的液压泵故障诊断方式具有哪些优势,最后提出行之有效的应用方式,为液压泵故障诊断提供良好的技术支持。

为保障机械设备工作的安全性与可靠性,剩余寿命预测技术是设备轴承维护中的重要环节。由于深度学习具有强大的数据处理能力,提出通过使用深度学习的数据驱动方法来提高预测的准确度。首先,将来自轴承的原始振动信号用作深层网络的输入,深度置信网络和深度自编码器用于提取深度特征;其次,基于提取的特征选择不同的回归模型进行回归;最后,用测试轴承进行测试,比较两种深度特征及传统特征在不同的回归模型上的表现。实验结果表明,深度置信神经网络特征准确性更高,支持向量回归模型效果较其他模型更优。