基于深度学习的旋转机械故障特征提取与诊断
李 辉 （ 河南钢铁集团安阳钢铁股份有限公司 ）
https://doi.org/10.37155/2717-5316-0714-34Abstract
况下的非线性信号。深度学习通过端到端学习机制，可自动提取振动信号中的故障特征，突破人工特征 工程的局限性。本文围绕旋转机械故障特征提取与诊断，系统阐述故障类型与信号特性，分析卷积神经网络、循环神 经网络等深度学习模型的适配性，提出基于深度学习的特征提取流程与诊断框架，并探讨轻量化设计、多模态融合等 优化方向，为工业场景下的智能故障诊断提供理论支撑与实践参考。
Keywords
旋转机械；深度学习；故障特征提取；故障诊断；模型优化Full Text
PDFReferences
[1]宫文峰,张美玲,陈辉.基于深度学习的旋转机械大数
据智能故障诊断方法[J].计算机集成制造系统,2025,31(1):
264-277.
[2]黄晨,谈莉斌.改进深度学习模型的旋转机械智能故
障诊断方法[J].安徽工业大学学报（自然科学版）,2026,43(1):
43-51.
[3]李文赞,刘勤明,叶春明,等.基于深度学习与SMOTE
数据增强的旋转机械故障诊断研究[J].机械强度,2026,48(2):
1-11.
[4]陶明珠.基于BSS-HHT优化数学模型的旋转机械
故障特征提取与诊断[J].机械设计与制造工程,2023,52(11):
67-72.
[5]郭海宇,邹圣公,张晓光,等.基于多源小波变换神经
网络的旋转机械轴承故障诊断[J].中国机械工程,2024,35
(11):2026-2034.
据智能故障诊断方法[J].计算机集成制造系统,2025,31(1):
264-277.
[2]黄晨,谈莉斌.改进深度学习模型的旋转机械智能故
障诊断方法[J].安徽工业大学学报（自然科学版）,2026,43(1):
43-51.
[3]李文赞,刘勤明,叶春明,等.基于深度学习与SMOTE
数据增强的旋转机械故障诊断研究[J].机械强度,2026,48(2):
1-11.
[4]陶明珠.基于BSS-HHT优化数学模型的旋转机械
故障特征提取与诊断[J].机械设计与制造工程,2023,52(11):
67-72.
[5]郭海宇,邹圣公,张晓光,等.基于多源小波变换神经
网络的旋转机械轴承故障诊断[J].中国机械工程,2024,35
(11):2026-2034.
Copyright © 2026 李 辉
Publishing time:2026-07-31
This work is licensed under a Creative Commons Attribution 4.0 International License