基于稀疏自動(dòng)編碼器的滾動(dòng)軸承多狀態(tài)評(píng)估方法研究.pdf

1、滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械設(shè)備中不可或缺的關(guān)鍵部件,在整個(gè)設(shè)備的安全性能方面有著舉足輕重的地位。如果不能及時(shí)準(zhǔn)確地對(duì)滾動(dòng)軸承進(jìn)行定量評(píng)估,輕則設(shè)備停運(yùn),重則機(jī)毀人亡。因此實(shí)現(xiàn)滾動(dòng)軸承的多狀態(tài)評(píng)估有著十分重要的意義。
　　為充分挖掘滾動(dòng)軸承振動(dòng)信號(hào)所包含的軸承運(yùn)行狀態(tài)的信息,論文對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)分別進(jìn)行淺層特征和深層特征提取。淺層特征主要包括時(shí)域、頻域和時(shí)-頻特征,深層特征基于深度學(xué)習(xí)理論下的稀疏自動(dòng)編碼器進(jìn)行自適應(yīng)提取。深層特征相比

2、于淺層特征,可省去繁瑣的人工提取步驟并提高效率。
　　為進(jìn)一步對(duì)比淺層特征與深層特征的優(yōu)缺點(diǎn),深入研究t分布隨機(jī)鄰域嵌入(t-SNE)算法在數(shù)據(jù)可視化方面的應(yīng)用。論文基于t-SNE算法將兩類特征進(jìn)行可視化,從直觀的角度將兩類特征進(jìn)行對(duì)比,結(jié)果表明深層特征更有利于滾動(dòng)軸承多狀態(tài)評(píng)估。此外,通過(guò)與其他降維方法作對(duì)比來(lái)驗(yàn)證t-SNE在可視化方面的優(yōu)越性。
　　因超球支持向量機(jī)在處理數(shù)據(jù)異構(gòu)、樣本分布不均等問(wèn)題上具有獨(dú)特優(yōu)勢(shì),論文將