Intelligent Fault Diagnosis of Bearing Using Enhanced Deep Transfer Auto-encoder

Abstract

摘要： 实际工程中，含标注信息的轴承监测数据严重缺乏，这将导致其智能故障诊断模型难以有效构建。提出了一种基于提升深度迁移自动编码器的新方法用于不同机械设备间的轴承故障智能诊断。首先，采用可缩放指数型线性单元作为标准自动编码器的激活函数，提升原始振动数据的映射质量。然后，非负约束用于修正代价函数，进一步减少重构误差。其次，构建提升深度自动编码器并用充足可用的源域数据进行预训练，得到的参数作为目标模型的初始化参数。最后，目标域中仅有的一个训练样本用于目标模型的微调以适应剩余的测试样本。将所提方法用于分析不同轴承的试验振动数据，结果表明，所提方法能基于原始振动数据有效实现不同种机械设备间的迁移诊断。

Topics & Concepts