非线性频谱与深度学习相结合的新方法用于复杂系统故障诊断

提出了一种将非线性频谱与堆叠式降噪自动编码器(SDAE)相结合的复杂系统故障诊断方法。 为了解决计算量大的问题,利用广义的频率响应函数(GFRF),利用一维非线性输出频率响应函数(NOFRF)来获得非线性频谱。 为了解决故障特征提取能力弱的问题,采用了堆叠式降噪自动编码器(SDAE)。采用神经网络从非线性频谱中提取故障特征。 该方法通过识别算法得到了永磁同步电动机各状态的四阶非线性频谱。 然后,从四阶频谱中选择合适的采样点,以构建高维数据; 最后,设计了堆叠式去噪自动编码器(SDAE)神经网络,以实现故障分类的输出。 仿真表明,该方法具有良好的实时性和较高的诊断精度。