基于大数据的深度学习与度量学习的轴承故障识别与预测的研究
如今,机械装备的加工制造正朝着高速、高精、高效的方向发展,机械关键零部件状况的好坏将直接影响到加工零件的质量,其中滚动轴承的故障劣化将直接影响到加工精度.随着机器学习在诸多领域取得的成果,可以利用机器学习算法能够从自然信号中自适应地提取出最能够表征信号本质的特征.所以本文提出一种将深度学习与相似性度量学习相结合的方法来实现无监督地轴承故障预测.该方法摆脱了以往依赖于人工诊断经验利用信号处理技术与传统方法来提取特征的困扰,并从振动信号中自适应地提取出故障特征.最后通过设计试验且实验结果表明,本文提出的方法可以实现大样本、多类型的轴承故障的特征自适应地无监督提取和准确识别.
滚动轴承 故障预测 深度学习 度量学习 大数据
石成明 罗博 刘红奇 李斌 毛新勇 金左雨
国家数控系统工程技术研究中心,华中科技大学机械科学与工程学院,珞瑜路1037号,武汉市,湖北省,430074,中国 数字制造装备与技术国家重点实验室,华中科技大学机械科学与工程学院,珞瑜路1037号,武汉市,湖北省,430074,中国;国家数控系统工程技术研究中心,华中科技大学机械科学与工程学院,珞瑜路1037号,
国内会议
第五届全国智能制造学术会议(NCIM2016)暨智能制造专业委员会2016年度工作会议
广州
中文
1-6
2016-12-08（万方平台首次上网日期，不代表论文的发表时间）