10.16208/j.issn1000-7024.2019.07.043
基于改进堆叠自编码器的滚动轴承故障诊断
针对大型机械滚动轴承故障数据存在高噪声、高维度的问题,提出一种基于改进堆叠自编码器的故障诊断方法.基于改进的Dropout方法构建分类深度自编码网络模型,在预训练阶段采用逐层贪婪算法自适应提取高维数据的有效特征,在原始自编码器的基础上加入稀疏限制和“损伤噪声”,提高特征表达的鲁棒性;在微调阶段,通过反向传播神经网络(BPNN)对参数进行微调,提高故障识别的准确率.仿真结果表明,该方法对于滚动轴承的故障诊断在稳定性、准确率等方面均优于反向传播神经网络(BPNN)和支持向量机(SVM).
自动编码器、深度学习、损伤噪声、稀疏编码、Dropout、故障诊断
40
TP391.9(计算技术、计算机技术)
国家重点研发计划基金项目2017YFB1400903
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
2064-2070