期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
堆叠自编码网络性能优化及其在滚动轴承故障诊断中的应用 被引量:35
1
作者 张西宁 向宙 +1 位作者 夏心锐 李立帆 《西安交通大学学报》 EI CAS CSCD 北大核心 2018年第10期49-56,87,共9页
为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待... 为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待学习参数进行缩放和平移,最后通过激活函数输出到下一级神经元。运用带标准化的堆叠自编码网络进行滚动轴承故障诊断,将振动信号的频谱输入到网络中。与普通堆叠自编码网络相比,该标准化策略可有效地使网络编码值均匀分布,如将第一层编码值的熵从0.88bit提高到了16.29bit。带标准化的堆叠自编码网络可有效提高网络的抗噪能力和训练速度:在凯斯西储大学滚动轴承数据集上,当人为添加噪声信号的信噪比为0dB时,识别正确率从16.18%提高到了100%;在实验室实测数据集上,不仅训练时间下降了37.22%,而且识别正确率从97.93%提高到了99.95%。对网络的编码值进行分析以及引入的标准化策略,可为科研技术人员构建堆叠自编码网络时提供参考,也为滚动轴承故障诊断提供了一种策略。 展开更多
关键词 故障诊断 堆叠自编码网络 标准化 滚动轴承
在线阅读 下载PDF
基于改进堆叠自编码网络的电站辅机故障预警 被引量:21
2
作者 李晓彬 牛玉广 +2 位作者 葛维春 罗桓桓 周桂平 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第6期39-47,共9页
为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系... 为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明该方法可对辅机故障进行有效预警,具有一定的工程应用价值。 展开更多
关键词 堆叠自编码网络 批标准化 网络性能优化 电站辅机 故障预警
在线阅读 下载PDF
基于改进堆叠自编码网络的电站辅机故障预警 被引量:2
3
作者 李晓彬 牛玉广 +2 位作者 葛维春 罗桓桓 周桂平 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第7期55-63,共9页
为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时... 为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明所提方法可对辅机故障进行有效预警,具有一定的工程应用价值。 展开更多
关键词 堆叠自编码网络 批标准化 网络性能优化 电站辅机 故障预警
在线阅读 下载PDF
基于堆叠降噪自编码网络和多源数据加权融合的发电机故障诊断方法
4
作者 邢超 马红升 +3 位作者 覃日升 张明强 鄢晶 刘焱 《高压电器》 北大核心 2025年第5期170-178,共9页
随着电力系统中参与调节的机组日益增多,工业负荷比重逐步上涨,单一数据源已无法满足新型电力系统中机组状态在线监测的精度需求。为此文中结合堆叠降噪自编码(stacked denoisingautoencoder,SDAE)网络和多源数据融合技术提出了一种发... 随着电力系统中参与调节的机组日益增多,工业负荷比重逐步上涨,单一数据源已无法满足新型电力系统中机组状态在线监测的精度需求。为此文中结合堆叠降噪自编码(stacked denoisingautoencoder,SDAE)网络和多源数据融合技术提出了一种发电机状态监测方法。首先,提出了一种基于加权D⁃S证据理论的SCADA⁃PMU数据融合方法;然后引入自动编码技术构建堆叠降噪自编码深度学习网络模型,提取训练数据集的深度特征,构建发电机故障检测模型;最后通过对重构误差进行平滑处理,结合自适应阈值检测状态监测量的趋势变化,实现故障判定。算例仿真结果表明,相比于基于单一数据源的传统方法,文中提出的方法具有更高的鲁棒性和精确性,从而有效提升了发电机故障诊断和状态监测的精细化水平。 展开更多
关键词 D⁃S证据理论 降噪自编码网络 故障诊断 状态检测
在线阅读 下载PDF
基于深度SSDAE网络的刀具磨损状态识别 被引量:5
5
作者 郭润兰 尉卫卫 +1 位作者 王广书 黄华 《振动.测试与诊断》 EI CSCD 北大核心 2024年第2期305-312,410,411,共10页
针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网... 针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网络的刀具磨损状态识别方法,实现隐藏在数据中深层次的数据特征自动挖掘。首先,将原始振动信号分解为一系列固有模态分量(intrinsic mode function,简称IMF),并采用皮尔逊相关系数法选取了最优固有模态来组合一个新的信号;其次,采用SSDAE网络自适应提取特征后对刀具磨损阶段进行了状态识别,识别精度达到98%;最后,对网络模型进行实验验证,并与最常用的刀具磨损状态识别方法进行了对比。实验结果表明,所提出的方法能够很好地处理非平稳振动信号,对不同刀具磨损阶段状态的识别效果良好,并具有较好的泛化性能和可靠性。 展开更多
关键词 深度稀疏自编码网络 变分模态分解 K-最近邻分类器 自适应特征提取 状态识别
在线阅读 下载PDF
基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测 被引量:2
6
作者 聂磊 蔡文涛 +3 位作者 张吕凡 徐诗奕 吴柔慧 任一竹 《航空发动机》 北大核心 2023年第4期134-139,共6页
为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-... 为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-双向门控循环单元(1D-CNN-BGRU)方法捕捉HI序列中的空间和时间特征,并引入自注意(SA)机制对捕捉的特征分配权重,使用全连接层输出涡扇发动机剩余使用寿命(RUL),以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结果表明:利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机维修保障及健康管理提供有效决策支撑。 展开更多
关键词 剩余使用寿命 堆叠自编码网络 1维卷积神经网络 双向门控循环单元 涡扇发动机 智能运维 深度学习
在线阅读 下载PDF
深度学习与多信号融合在铣刀磨损状态识别中的研究 被引量:6
7
作者 穆殿方 刘献礼 +4 位作者 岳彩旭 Steven Y.LIANG 陈志涛 李恒帅 徐梦迪 《机械科学与技术》 CSCD 北大核心 2021年第10期1581-1589,共9页
为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法。以自编码网络为基础,构建了堆叠稀疏自编码网络。采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣... 为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法。以自编码网络为基础,构建了堆叠稀疏自编码网络。采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征。利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型。研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44%。 展开更多
关键词 刀具磨损 状态识别 深度学习 多信号融合 稀疏自编码网络
在线阅读 下载PDF
Gait recognition based on Wasserstein generating adversarial image inpainting network 被引量:4
8
作者 XIA Li-min WANG Hao GUO Wei-ting 《Journal of Central South University》 SCIE EI CAS CSCD 2019年第10期2759-2770,共12页
Aiming at the problem of small area human occlusion in gait recognition,a method based on generating adversarial image inpainting network was proposed which can generate a context consistent image for gait occlusion a... Aiming at the problem of small area human occlusion in gait recognition,a method based on generating adversarial image inpainting network was proposed which can generate a context consistent image for gait occlusion area.In order to reduce the effect of noise on feature extraction,the stacked automatic encoder with robustness was used.In order to improve the ability of gait classification,the sparse coding was used to express and classify the gait features.Experiments results showed the effectiveness of the proposed method in comparison with other state-of-the-art methods on the public databases CASIA-B and TUM-GAID for gait recognition. 展开更多
关键词 gait recognition image inpainting generating adversarial network stacking automatic encoder
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部