基于SWDAE-SVC的矿用齿轮箱自监督故障诊断方法

针对矿用齿轮箱振动数据易受噪声污染且故障类别标注困难问题,提出了一种基于栈式小波降噪自编码器(SWDAE)和支持向量聚类(SVC)的自监督故障诊断方法。首先,将小波映射函数引入栈式降噪自编码器(SDAE)模型,以实现强噪声下矿用齿轮箱的敏感故障特征提取。然后,利用所得高层抽象特征构建SVC模型,以实现无标签信息下的矿用齿轮箱故障诊断。实验结果表明,所提SWDAE-SVC方法具有优异的故障诊断性能。