公开(公告)号：CN114354194B

公开(公告)日：2023-05-26

申请号：CN202111500009.5

申请日：2021-12-09

Applicant: 重庆邮电大学

Inventor： 任海军 ,  李琦 ,  沈力 ,  韦冲 ,  罗亮 ,  谭志强 ,  丁显飞

IPC: G01M13/045 ,  G06F30/17 ,  G06F30/27

Abstract: 本发明公开了一种基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法，属于轴承故障诊断领域。首先，由于传统故障特征提取困难且特征的泛化性较弱，本发明提出了基于全卷积自编码器的故障诊断方法，全卷积自编码器同时具备卷积神经网络和自编码器的优点，采用堆叠全卷积自编码器自动从轴承振动信号频谱中提取深度故障特征；然后使用Fisher准则对所提取的深度故障特征进行评分排序，此准则是基于内类距离和类间距离的，可以筛选出区分性较强的故障特征；最后，采用改进的樽海鞘算法对SVM的超参数进行优化，将筛选后的特征输入优化SVM完成滚动轴承的故障识别。