来源：期刊VIP网 时间：
作者：张洪亮;余其源;王锐;
单位：安徽工业大学管理科学与工程学院;苏州大学轨道交通学院;
摘要：针对滚动轴承故障率小、不易收集故障数据的问题，提出基于跳跃连接变分自编码器与宽核深度卷积神经网络相结合的小样本故障诊断方法。该方法首先在变分自编码器的编码和解码之间引入跳跃连接结构，并将Tanh作为网络的激活函数，进而提高生成样本的特征多样性；其次，构建宽核深度卷积网络诊断模型，该模型可以提高从振动信号中提取故障特征的能力；最后，经生成样本扩充的数据集作为模型输入，提高训练集包含的特征信息量，实现小样本下的故障诊断。实验分析表明，所提方法在小样本情形下能生成有效的伪样本并具有较高的诊断精度。
关键词：故障诊断;;跳跃连接变分自编码器;;数据生成;;宽核深度卷积神经网络
基金资助：安徽省自然科学基金项目(2108085MG236);; 安徽省普通高校重点实验室开放基金重点项目(CS2021-ZD01)
