本文關(guān)鍵詞：多尺度移不變稀疏編碼及其在機(jī)械故障診斷中的應(yīng)用

  更多相關(guān)文章： 移不變稀疏編碼 多尺度 故障診斷 字典學(xué)習(xí)

【摘要】：提出了一種融合多尺度信息的高效移不變稀疏編碼算法,并用于機(jī)械故障診斷.將移不變稀疏編碼作為分類器應(yīng)用于故障診斷,直接對(duì)振動(dòng)信號(hào)進(jìn)行訓(xùn)練和識(shí)別,不需要提取特征和預(yù)處理.為進(jìn)一步提升效果,將不同尺度的移不變稀疏編碼分類器融合在一起.經(jīng)實(shí)驗(yàn)驗(yàn)證,即使在訓(xùn)練樣本和測(cè)試樣本負(fù)載不同的情況下,文中方案仍然能夠以較高的準(zhǔn)確率識(shí)別出軸承的故障位置和程度.與其他方法相比,文中方法的準(zhǔn)確率、魯棒性更高,具有一定的工程應(yīng)用價(jià)值.
【作者單位】： 解放軍理工大學(xué)野戰(zhàn)工程學(xué)院;總裝工程兵科研一所;
【關(guān)鍵詞】： 移不變稀疏編碼 多尺度 故障診斷 字典學(xué)習(xí)
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61472444,61472392)
【分類號(hào)】：TH17
【正文快照】： 故障診斷對(duì)提高生產(chǎn)效率、經(jīng)濟(jì)效益,防止事故發(fā)生具有重要意義.在機(jī)械故障診斷中,特征提取與模式識(shí)別是核心.人工選取特征是一件非常費(fèi)時(shí)和困難的工作,往往需要專業(yè)知識(shí)才能提取較好的特征[1].若能讓機(jī)器直接使用原始振動(dòng)信號(hào)自動(dòng)學(xué)習(xí)一個(gè)分類器并進(jìn)行故障診斷,將會(huì)大大降低實(shí)，

本文編號(hào)：1067427