基于堆叠稀疏判别自编码的滚动轴承智能故障诊断方法

针对复杂工况下旋转部件故障诊断精度不理想、稳定性差的问题,提出一种堆叠稀疏判别自编码智能故障诊断方法。首先,构造堆叠稀疏自编码网络结构,利用KL散度限制多层网络的稀疏性以增强深度自编码网络的学习性能;其次,采用半监督机制对上述网络进行改进,利用标签信息对分类层进行调整,增强自编码网络的分类能力;然后,提出样本结构特征约束,通过增加类几何特征惩罚项和类数据特征惩罚项对网络隐藏层进行约束,自适应判别聚合距离和分类距离,提升整体网络的特征提取能力;最后,在美国凯斯西储大学轴承数据集上验证所提方法的可靠性。试验结果表明,与现有方法相比,堆叠稀疏判别自编码智能故障诊断方法在多组数据集上均能够获得更高的诊断精度,具有良好的稳定性。