%0 Journal Article
%A 万齐杨1
%A 熊邦书1
%A 李新民2
%A 孙伟2
%T 基于DCAE-CNN的自动倾斜器滚动轴承故障诊断
%D 2020
%R 
%J 振动与冲击
%P 273-279
%V 39
%N 11
%X 针对直升机自动倾斜器滚动轴承工况复杂、噪声干扰大，造成故障诊断效果不佳的问题，提出一种基于深度卷积自编码器(Deep Convolutional AutoEncoder，DCAE)和卷积神经网络(Convolutional Neural Network，CNN)的轴承故障诊断方法。该方法首先采用小波变换方法构造不同状态下振动信号的时频图，然后使用DCAE对时频图进行图像去噪，最后利用CNN对去噪后的时频图进行故障分类。利用课题组和美国凯斯西储大学的滚动轴承故障数据开展诊断实验，并与CNN、堆叠降噪自编码器(Stacked Denoise AutoEncoder，SDAE)两种深度学习方法进行对比，结果表明，本文方法在高噪声环境下具有更高的故障识别率。<br>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_9545.shtml