基于深度子空間學(xué)習(xí)和數(shù)據(jù)增強(qiáng)的滾動軸承故障診斷方法

摘要： 主成分分析網(wǎng)絡(luò)(principal component analysis network, PCANet)作為一種基于深度子空間學(xué)習(xí)框架的網(wǎng)絡(luò)模型，在多個應(yīng)用領(lǐng)域展現(xiàn)出卓越的性能。然而，在滾動軸承故障診斷方面，PCANet算法存在無法準(zhǔn)確反映數(shù)據(jù)完整結(jié)構(gòu)信息、魯棒性差以及泛化能力較弱等問題。本文針對這些問題，提出了一種基于PCANet算法和數(shù)據(jù)增強(qiáng)的滾動軸承故障診斷方法。該方法... （共8頁）