论文部分内容阅读
有效的旋转机械故障诊断对于保证设备安全持续地运行有着至关重要的作用,而良好的故障特征表达对故障诊断的准确性起关键作用。目前基于信号处理和浅层学习模型的故障诊断方法大多数依靠人工提取特征,不仅需要相关的信号处理先验知识,而且需要复杂的提取过程来获得合适的特征,导致特征提取的不确定性,故障诊断结果不理想。本文引入深度学习的概念,利用深度学习模型可以模拟人脑的多层抽象学习机制,从故障信号中自动学习有用的故障特征的特性,以深度信念网络为代表应用于旋转机械关键部件(轴承、齿轮)故障诊断中,详细介绍了深度信念网