基於一維殘差卷積自動編碼器的滾動故障軸承診斷

        滾動軸承故障診斷實質上是「特徵提取+模式分類」的問題，即首先對原始震動信號進行特徵提取，提取出其中的關鍵特徵，然後採用分類器如SVM，KNN進行模式分類，可以說提取的特徵越具表達性，分類器的精度就越高。表達性差的特徵，不管換成啥分類器，精度都提高不了多少，而表達性強的特徵，就算採用簡單的KNN，精度都很高。         因此，合理的特徵提取是提高故障診斷精度的關鍵。現有的震動信

>>阅读原文<<