故障诊断为什么要用深度学习？

故障诊断入门级选手提个问题，振动信号分析直接做频谱分析就好了，为啥需要人工智能? - amaze2的回答 - 知乎

https://www.zhihu.com/question/332473558/answer/1349385215

对于简单的机械设备，比如一级平行齿轮箱，信号比较简单，直接频谱分析就可以满足需求。

但是，如果是复杂的设备，比如多级行星齿轮传动、强环境噪声、而且故障处在早期阶段、比较微弱的情况下，在频谱图上可能找不出故障频率。

那该怎么办呢？

深度学习提供了一种思路。

顺便推荐一种专门针对强噪声情况下故障诊断的深度学习方法——深度残差收缩网络。

深度残差收缩网络在其内部采用了软阈值函数，类似于小波阈值降噪，在深度学习模型的内部，自动消除噪声信息，从而获得更准确的故障特征。

M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020.

https://ieeexplore.ieee.org/document/8850096

https://github.com/zhao62/Deep-Residual-Shrinkage-Networks