滚动轴承故障检测深度卷积稀疏自动编码器建模研究

简介

针对机械设备故障诊断大多采用有监督学习提取故障特征，而有标签数据难以获取的现状，提出一种在稀疏自动编码器中嵌入卷积网络的深度神经网络。利用希尔伯特和傅里叶变换实现机械设备振动时间序列向Hilbert包络谱的转换，通过卷积网络中多组卷积核自动学习谱空间数据的不同特征，保证了特征提取的自动化、全面性和多样性，稀疏自动编码器搜索具有正交性数据特征的低维表示，并使得编码后的数据具有很强的聚类特性，实现设备的自动故障诊断。通过对滚动轴承振动信号进行分析实验，证明该方法在设备故障诊断中具有去标签化、自动化、鲁棒性等特点。