基于深度學(xué)習(xí)和多域決策融合的軸承故障智能診斷技術(shù)

摘要： 鑒于滾動軸承振動信號的不平穩(wěn)性及單一信息域特征的局限性在一定程度上增加了故障診斷難度，提出一種基于深度學(xué)習(xí)和多域決策融合的軸承故障診斷技術(shù)。采用S變換和遞歸圖變換技術(shù)將振動信號從一維時(shí)域擴(kuò)展至二維時(shí)頻域和空間域；為使診斷模型適應(yīng)故障數(shù)據(jù)稀缺的現(xiàn)狀，構(gòu)建泛化性和自適應(yīng)性較好的微型卷積神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)提取信號的多域特征，并使網(wǎng)絡(luò)參數(shù)低至6個(gè)數(shù)量級，可實(shí)現(xiàn)快速訓(xùn)練和故障診斷；最后引入D... （共11頁）