栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断

来源：振动与冲击杂志2017年第21期北京时间：

作者：陈仁祥,，杨星，杨黎霞，王家序，徐向阳，陈思杨

单位：1.重庆交通大学机电与车辆工程学院，重庆400074；2.四川大学空天科学与工程学院，四川成都610065；3.重庆交通大学经济与管理学院，重庆400074

摘要：针对滚动轴承损伤程度的特征自学习提取与智能诊断问题，提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰，浅层自编码网络对损伤特征的自学习、提取能力不足。为此，论文将稀疏项限制和加噪编码融入自编码网络，同时将自编码网络堆栈并添加分类层，构建出栈式稀疏加噪自编码深度神经网络，进行轴承损伤特征非监督自动提取与损伤程度智能诊断。稀疏项限制和深度神经网络的构建提高了特征学习能力，加噪编码的融入改善了网络的鲁棒性。所构建深度神经网络通过多层无监督逐层自学习和有监督微调，完成损伤特征自动提取与表达，并实现了损伤程度智能诊断。不同工况下轴承损伤程度诊断的实验验证证明了所提方法的可行性和有效性。<br>

关键词：滚动轴承;损伤程度;稀疏加噪自编码;深度神经网络;诊断