朱会杰， 王新晴， 芮挺， 李艳峰， 王东

(1.解放军理工大学 野战工程学院， 江苏，南京 210007； 2.总装工程兵科研一所， 江苏，无锡 214035)



多尺度移不变稀疏编码及其在机械故障诊断中的应用

朱会杰1，2， 王新晴1， 芮挺1， 李艳峰1， 王东1

(1.解放军理工大学 野战工程学院， 江苏，南京 210007； 2.总装工程兵科研一所， 江苏，无锡 214035)

提出了一种融合多尺度信息的高效移不变稀疏编码算法，并用于机械故障诊断. 将移不变稀疏编码作为分类器应用于故障诊断，直接对振动信号进行训练和识别，不需要提取特征和预处理. 为进一步提升效果，将不同尺度的移不变稀疏编码分类器融合在一起. 经实验验证，即使在训练样本和测试样本负载不同的情况下，文中方案仍然能够以较高的准确率识别出轴承的故障位置和程度. 与其他方法相比，文中方法的准确率、鲁棒性更高，具有一定的工程应用价值.

移不变稀疏编码；多尺度；故障诊断；字典学习

故障诊断对提高生产效率、经济效益，防止事故发生具有重要意义. 在机械故障诊断中，特征提取与模式识别是核心. 人工选取特征是一件非常费时和困难的工作，往往需要专业知识才能提取较好的特征[1]. 若能让机器直接使用原始振动信号自动学习一个分类器并进行故障诊断，将会大大降低实际操作的难度. 此外，测试样本的负载与训练样本的负载往往是不同的，还要求诊断方法对负载变化具有鲁棒性，给常规方法带来巨大挑战.

为了提高……