基于深度度量学习的电机故障诊断.pdfVIP

测控技术

试验与测试

年第卷第期

基于深度度量学习的电机故障诊断

张永宏王逸飞赵晓平吴家新王丽华

南京信息工程大学自动化学院江苏南京南京信息工程大学计算机与软件学院江苏南京

南京信息工程大学江苏省网络监控中心江苏南京

摘要深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果由于

电机结构的复杂性其信号表现出的非平稳非线性和复杂多样等特点使得传统分类方法中的

分类器交叉熵损失函数对电机故障诊断力不从心根据电机信号非平稳数据量大等特点结合短时

傅里叶变换与深度学习中的卷积神经网络算法和三元组思想提出了深度

度量学习电机故障诊断方法该方法能将电机故障信号转换成时频谱图同时构建将预处理后

的样本用于的训练采用作为损失函数度量故障数据高维特征间的距离并结合标签

有监督地微调整个网络从而实现准确的电机故障诊断实验表明该方法在处理复杂数据时能够度量

特征在高维空间中的距离高效完成故障诊断任务弥补了交叉熵函数的不足

关键词电机深度度量学习短时傅里叶变换卷积神经网络

中图分类号文献标识码文章编号

收稿日期

基金项目国家自然科学基金项目

作者简介张永宏男博士教授博士生导师主要研究方向为精密仪器与机械模式识别与智能系统通信作者王逸

飞男硕士主要研究方向为深度学习与机械故障诊断

引用格式张永宏王逸飞赵晓平等基于深度度量学习的电机故障诊断测控技术

基于深度度量学习的电机故障诊断