基于深度学习的旋转机械故障识别

王 鑫

（ 山西机电职业技术学院，山西 长治 046011）

0 引言

对于在实际使用中需要进行旋转的机器而言，轴承是其不可或缺的组成部件之一。如果轴承的某个部件在应用中由于各种因素的影响出现故障很有可能会对机械设备使用寿命产生很大的影响，因此有必要应用一些必要的技术手段对轴承可能存在的一些故障进行充分判断。

在对图像进行识别时，通过卷积神经网络作用的发挥可以对各类图像中的有用特征进行有效提取。本文结合深度学习在实际应用中所具备的一些优良特性提出了一种基于深度学习的旋转机械故障识别方法，希望通过本文可以为相关工作提供一些参考。

1 旋转机械故障识别研究现状及算法

对于旋转机械故障诊断而言，传统旋转机械故障识别技术在应用中对振动信号中存在的一些噪声泛化能力相对较差且对研究人员专业技能要求较高。随着计算机科学的不断发展，使用更为方便快捷的现代信号处理技术开始出现。其中机器学习技术特征提取效果最为明显，主要有以下几种：

（1）基于支持向量机的故障诊断法（SVM）。该技术是一类按照监督学习方式对得到的数据进行二元分类的广义线性分类器。在实际应用中，SVM利用铰链损失函数对经验风险进行有效计算。支持向量机在具体应用时对轴承振动信号有着非常强大的泛化能力，适合于一些小样本问题。

（2）基于随机森林的故障诊断法，该方法是一种非常有效的预测工具。……