本发明公开了一种无监督特征学习的滚动轴承故障诊断方法,所述诊断方法主要步骤如下:首先采用ELM‑AE对采集到的振动信号进行无监督特征学习得到权值向量;然后将叠加处理后的权值向量作为卷积核,对原始振动信号进行卷积池化处理,实现数据特征的自动提取;最后将提取到的特征向量输入到支持向量机进行滚动轴承健康状态识别与分类。本发明所提出的方法能够在保证较高诊断精度的同时,有效的缩短模型训练时间,提高算法运行效率,具有非常理想的技术效果。
📄 2020105308724
📂 G06V10_764
👤 燕山大学
📅 2020-06-11