朱煜奇，黄双喜，杨天祺，孙洁香

（1.清华大学 自动化系，北京 100084；2.北京机械工业自动化研究所，北京 100120）

基于栈式降噪自编码的故障诊断

朱煜奇1，黄双喜1，杨天祺1，孙洁香2

（1.清华大学 自动化系，北京 100084；2.北京机械工业自动化研究所，北京 100120）

提出一种基于栈式降噪自编码网络的故障诊断方法，把深度学习应用于设备故障诊断。建立深层网络模型，采取逐层贪婪编码的方式进行预训练，实现高维深层故障特征的自适应提取和挖掘，再使用反向传播算法对模型进行监督式微调。方法集成了特征提取和状态分类两大步骤，摆脱了传统机器学习方法对人为提取样本特征的依赖，并有效克服梯度消失、局部极值等问题。通过滚动轴承数据实验，验证该方法对故障的识别能力和泛化能力。

故障诊断；栈式降噪自编码；深度学习；滚动轴承

0 引言

通过机器学习挖掘生产数据的内在信息，可以实现基于状态的设备维护。滚动轴承作为制造设备变速机构的重要组成部分，具备丰富的数据积累，以滚动轴承为对象研究智能化的故障诊断方法具有一定的典型性和可推广性。

传统故障诊断可归纳为特征提取和状态分类两个步骤。传统特征提取需经过复杂的信号处理和多变量的主观选择，对诊断结果造成主观影响。传统机器学习分类算法面临维数灾难、过拟合等问题，只能学习样本的低维浅层特征，且缺少必要的泛化能力[1～3]。深度学习为克服上述问题提供了新思路。……