摘要：传统的轴承健康因子（HI）构建方法一般需要由人工进行特征提取、特征选择、特征融合,并需要依赖大量专家经验和信号处理技术,且需要预先设计训练标签,过程费时费力,方法不具有通用性。因此,提出一种新的基于堆叠去噪自编码器（SDAE）的轴承HI无监督构建方法,利用去噪自动编码机深层结构直接对原始轴承振动信号进行无监督的自适应特征提取,进而输入到自组织映射网络进行特征降维从而获取轴承的健康状态表征值。在PHM2012轴承数据集上的实验结果表明,构建出的轴承HI曲线可以较好地反映轴承全寿命周期内的退化过程,相比于传统的HI构建方法具备更好的时间关联性和单调性,并且该方法无需依赖复杂的信号处理方法,整个过程以无监督的方式进行,具备一定的通用性。
分类：期刊> 自然科学与工程技术> 工程科技II> 仪器仪表工业
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：轴承健康因子 深度学习 去噪自编码器 无监督学习
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
