技术特征：
技术总结
本发明涉及一种基于加噪样本增强深度自编码学习网络的旋转机械寿命阶段识别方法。针对小样本条件下旋转机械寿命特征自动学习提取、表达与寿命阶段识别问题，对训练样本进行加噪增强，并将多个稀疏自编码堆栈后添加分类层构建出集寿命特征自动学习提取与寿命阶段智能识别于一体的深度稀疏自编码学习网络。通过多层稀疏自编码对加噪增强后的样本进行逐层无监督自适应学习和有监督微调，抑制深度网络过学习问题并提高网络的鲁棒性，实现旋转机械寿命特征自动提取与表达，最终在分类层完成旋转机械寿命阶段的智能识别。该方法应用于小样本条件下滚动轴承寿命阶段识别获得了良好的识别效果。
技术研发人员：陈仁祥;吴昊年;杨黎霞;陈志毅;李军;向阳;黄鑫
受保护的技术使用者：重庆交通大学
技术研发日：2017.04.05
技术公布日：2017.08.04