基于深度互信息最大化卷积自编码器的机械装备故障诊断方法OA
针对少故障样本下现有故障诊断方法存在的诊断准确度低的问题,论文提出一种基于深度互信息最大化卷积自编码器(Deep Information Maximization-Convolutional Auto-encoder,DIM-CAE)的机械装备故障诊断新方法。首先,采用快速傅里叶变换与信号图像填充技术,将振动信号转换为灰度图;接着,通过设计一种新的DIM损失函数,建立DIM-CAE模型,并利用DIM损失函数训练特征编码器;之后,将训练的特征编码器与浅层神经网络分类器连接构成故障诊断模型;在此基础上,用少量有标签故障数据对模型进行微调,提高诊断模型分类准确度。最后,基于汽轮发电机组故障模拟实验台,对所提出的方法进行验证。实验结果表明,所提出的方法在少故障样本下具有较强的诊断性能。
周锦龙;聂宇康;徐巍;程力旻;吴军
华中科技大学船舶与海洋工程学院,武汉430074华中科技大学船舶与海洋工程学院,武汉430074武汉第二船舶设计研究所,武汉430205武汉第二船舶设计研究所,武汉430205华中科技大学船舶与海洋工程学院,武汉430074
机械制造
机械装备故障诊断自监督学习互信息
《舰船电子工程》 2026 (5)
P.128-133,139,7
国家重点研发计划项目(编号:2018YFB1702300)工信部高质量专项重点项目(编号:TC210804R-1)资助。
评论