基于卷积自编码器的旋转机械故障特征提取方法研究

滚动轴承作为旋转机械的关键部件,其健康状况对安全生产至关重要,对其未来健康状态以及剩余使用寿命的预测是实现故障智能诊断的主要挑战之一。为有效获得轴承退化过程,文章设计了一种改进损失函数的卷积自编码器(Convolutional Autoencode),使其可从多传感器采集的振动信号中提取轴承健康状态,避免局部信息丢失,并可得到更深层次的故障特征。同时,使用NASA的IMS数据集进行了验证和对比试验,得出本文所构建的卷积自编码器轴承健康预测模型相较于其他方法具有更准确的预测能力。