基于深度特征学习的旋转机械滚动轴承状态在线监控

针对现有算法在旋转机械设备动态监控中的不足,提出基于深度特征学习的滚动轴承状态监控算法研究。在深度学习模型编码器的构建方面,考虑到隐层神经元活跃度的设定,并确保自动编码器具有一定的稀疏性和降噪性;采用堆叠式稀疏降噪编码器的结构设计,对故障数据做无监督逐层训练,以降低损失函数值;结合GLUP算法提取故障数据集的特征,达到提高在线监控精度的目的。实验数据表明,该算法在故障样本集的训练和测试中,均保持较高故障分类准确率和监控精度,在模型损失函数值控制方面也优于现有监控算法。