摘要： 有效的智能故障诊断模型已经成为机械设备故障预测与健康管理的研究热点，故障诊断模型建立的重点工作是学习高分辨率的故障特征，传统方法往往过多依赖于人工或者先验知识，故急需以一种智能方式从输入信号中自动地提取特征。首先利用SAE从振动信号的频谱中学习特征，并选用L1 正则化约束SAE的学习能力防止模型产生过拟合现象；随后选用Softmax 回归函数建立故障分类器，将提取的信号特征输入其中实现故障类型的分类。最后通过一组滚动轴承实验数据对所提方法的准确性进行验证，实验结果显示这种深度神经网络方法在进行轴承智能故障诊断时能够直接从频域信号中学习出高分辨率特征，并且能够达到98.93 %的测试准确率，优于对比方法。

关键词: 故障诊断, 频域信号, 叠加自动编码器, L1 正则化, Softmax回归