摘要： 针对地铁牵引电机轴承故障诊断中因工况复杂影响人工提取特征效果的问题,提出了一种基于快速傅里叶变换(Fast Fourier Transform, FFT)和堆叠降噪自编码器(Stacked Denoising Auto Encoder, SDAE)(FFT-SDAE)的地铁牵引电机轴承故障智能诊断方法。首先,使用大量无标签数据预训练深度自编码器的特征提取能力,自适应提取轴承故障特征;然后,通过小样本有标签数据微调网络学习分类性能,搭建地铁牵引电机轴承的FFT-SDAE网络模型;最后,通过试验研究FFT-SDAE网络结构对轴承故障诊断准确率的影响,选取最佳网络参数。试验结果表明,在变转速和变载荷的情况下,所提方法可以很好地提取故障的深层特征,在使用工况较复杂的数据集时,所提方法的诊断准确率优于传统的故障诊断方法。

关键词: 堆叠降噪自编码器;变工况;地铁牵引电机轴承;故障智能诊断

中图分类号: 

• U279