基于堆棧降噪自編碼網絡的機械設備磨損狀態識別

樊紅衛，馬寧閣，張旭輝，高爍琪，曹現剛，馬宏偉

(1.西安科技大學 機械工程學院， 陜西 西安 710054；2.陜西省礦山機電裝備智能監測重點實驗室， 陜西 西安 710054)

0 引言

機械設備在長期運行中由于內部零件存在相對運動，零件表面會出現摩擦磨損。磨損不僅會造成材料損耗，還會降低機械設備工作可靠性，增加故障率[1]。煤礦井下環境復雜惡劣，且機械設備多處于重載工作狀態，加劇了零件表面磨損，容易引發生產事故。因此，有必要對機械設備磨損狀態進行識別，以便及早發現設備潛在故障，從而對設備進行有效維護。

油液分析技術是機械設備磨損檢測的重要手段，通過分析機械設備油液中磨粒的形態、尺寸等信息，可判定設備的磨損類型和原因。油液分析技術包括光譜分析、鐵譜分析、顆粒計數等[2]，其中鐵譜分析能夠檢測的磨粒尺寸范圍更廣[3]，在獲取磨粒分布圖像方面具有一定優勢。鐵譜分析利用高梯度強磁場將油液中的磨粒按一定規律依次分離，通過對磨粒進行定性、定量分析，獲得機械設備狀態信息。

磨粒鐵譜圖像識別[4]是鐵譜分析技術中的重要研究方向，通過對磨粒鐵譜圖像的預處理、特征提取等實現機械設備磨損狀態識別。經典的鐵譜圖像智能識別通常采用機器學習算法對磨粒進行自動分類，存在較多人工干預，普適性較差。近年來，隨著深度學習[5]在計算機視覺領域的飛速發展，基于深度學習的圖像識別已成為主流研究方向，具有智能化程度高、適用范圍廣等優點。……