基于多元分解和深度学习的机器故障检测方法的研究

基于声学的机器故障检测方法是一种新颖的研究方法,但是需要依赖采集足够丰富的故障类型数据.因此,提出一种无监督的机器故障检测方法,即使用机器正常运行状态的数据作为训练样本,从而鉴别出机器异常状态.该检测方法的一个关键问题是信号中的噪声,它会影响检测的性能,针对这个问题,提出了一种基于多元张量分解的准非参数光谱数据去噪策略,即非负正则多重分解,这种策略特别适用于发出稳定声音的机器.通过实验证明了这种声学检测方法,可以使得工业过程的故障监控更加准确.