机械工程学报

作者：陈鲲, 茆志伟, 张进杰, 江志农

单位：1. 北京化工大学发动机健康监控及网络化教育部重点实验室 北京 100029;2. 北京化工大学高端机械装备健康监控及自愈化北京市重点实验室 北京 100029

关键词：自编码器,特征提取,参数优化,故障诊断；

基金：国家重点研发计划（2016YFF0203305）、中央高校基本科研业务费专项资金（JD1912/ZY1940）和双一流建设专项经费（ZD1601）资助项目。

针对机械故障诊断中专业知识的不足会影响手工特征提取效果的问题，提出了应用栈式自编码器（Stacked autoencoder，SAE）直接从复杂的原始信号中逐层提取深度特征。通过逐层预训练、微调等操作来训练栈式自编码器的提取特征能力，并通过在网络中的每一个隐含层前引入Dropout正则化层、批规范层来防止过拟合，加速收敛。针对SAE网络中的超参数取值问题，首先通过一系列对照试验得到各超参数合适的取值范围，然后在该范围内进一步提出了使用和声搜索算法（Harmony search，HS）优化超参数，达到自适应调整网络结构，提高特征提取能力的效果。试验结果表明，当使用包含七种气门健康状态的柴油机振动数据测试时，所提出的HS-SAE方法的故障分类精度优于SAE和多种传统故障诊断算法。

来源：2020年第11期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2020年第11期