故障診斷為什麼要用深度學習?

對於簡單的機械裝置，比如一級平行齒輪箱，訊號比較簡單，直接頻譜分析就可以滿足需求。

但是，如果是複雜的裝置，比如多級行星齒輪傳動、強環境噪聲、而且故障處在早期階段、比較微弱的情況下，在頻譜圖上可能找不出故障頻率。

那該怎麼辦呢？

深度學習提供了一種思路。

順便推薦一種專門針對強噪聲情況下故障診斷的深度學習方法—— 深度殘差收縮網路。

深度殘差收縮網路在其內部採用了軟閾值函式，類似於小波閾值降噪，在深度學習模型的內部，自動消除噪聲資訊，從而獲得更準確的故障特徵。

M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis,  IEEE Transactions on Industrial Informatics,  vol. 16, no. 7, pp. 4681-4690, 2020.

https://ieeexplore.ieee.org/document/8850096