摘要：针对目前感应电动机故障诊断大多采用监督学习提取故障特征的现状,提出一种将去噪编码融入稀疏自动编码器的深度神经网络,实现非监督学习的特征提取并用于感应电动机的故障诊断。稀疏自动编码器通过自动学习复杂数据的内在特征来提取简明的数据特征表达。为提高特征表达的鲁棒性,在稀疏编码器的基础上融入去噪编码,提取更有效的特征表达用来训练神经网络分类器进而完成整个深度神经网络的构建,并结合反向传播算法对深度神经网络进行整体微调,提升故障分类的准确度。整个训练过程引入＂dropout＂训练技巧,减少因过拟合带来的预测误差。试验结果表明,相比传统反向传播（Back propagation,BP）神经网络,提出的深度神经网络能更有效地实现感应电动机故障诊断。

关键词：稀疏自动编码器 深度神经网络 去噪编码 dropout 故障诊断 

单位：东南大学仪器科学与工程学院; 南京210096