基于改进堆栈自编码器的变压器故障诊断模型 被引量：7

1

作者 赵冬梅 王闯 马泰屹 《华北电力大学学报（自然科学版）》 CAS 北大核心 2020年第6期61-67,共7页

为了增强自编码器的特征提取能力,更好的利用变压器故障时产生的大量无标签数据,将批量标准化(Batch Normalizaion,BN)引入了传统堆栈自编码器(Stacked auto-encoder,SAE)的编码和解码过程,形成了改进堆栈自编码器(BN-SAE)。以单层AE作... 为了增强自编码器的特征提取能力,更好的利用变压器故障时产生的大量无标签数据,将批量标准化(Batch Normalizaion,BN)引入了传统堆栈自编码器(Stacked auto-encoder,SAE)的编码和解码过程,形成了改进堆栈自编码器(BN-SAE)。以单层AE作为底层网络,输入样本为变压器油中溶解气体含量,通过仿真确定神经网络的结构,用无标签数据对网络进行无监督学习,提取变压器故障特征信息,最后输入有标签数据通过反向传播算法对网络进行微调。算例分析表明,BN-SAE相比于传统的SAE与AE,训练误差更小,特征提取更佳,对变压器故障分类的准确率更高,并且少数类故障样本也可以得到很好的分类。 展开更多

关键词 变压器 故障诊断 堆栈自编码器 批量归一化 深度学习

在线阅读 下载PDF 职称材料

基于关联分析及堆栈自编码器的气象敏感负荷功率估算方法 被引量：2

2

作者 陈彦翔 秦川 +3 位作者 鞠平 赵静波 金宇清 施佳君 《电力自动化设备》 EI CSCD 北大核心 2018年第5期220-226,共7页

气象敏感负荷的逐年增长是夏季电网负荷不断攀升的重要原因,准确估算此类负荷功率对电网运行调度、估计地区需求侧响应能力均有益处。提出了改进典型相关分析方法,建立了负荷-气象非线性关联模型,基于此可计算历史负荷数据中的气象敏感... 气象敏感负荷的逐年增长是夏季电网负荷不断攀升的重要原因,准确估算此类负荷功率对电网运行调度、估计地区需求侧响应能力均有益处。提出了改进典型相关分析方法,建立了负荷-气象非线性关联模型,基于此可计算历史负荷数据中的气象敏感负荷功率。建立了基于堆栈自编码器(SAE)的气象敏感负荷功率估算模型,利用SAE的无监督学习提取日负荷曲线的降维特征,利用关联模型的计算结果作为有标签样本训练估算模型的全连接层,从而由日负荷曲线直接获得气象敏感负荷功率曲线。基于实际电网数据的算例结果验证了所提方法的有效性。 展开更多

关键词 气象敏感负荷 功率估算 关联分析 负荷-气象关联模型 堆栈自编码器

在线阅读 下载PDF 职称材料

基于迁移堆栈自编码器的轴承故障诊断方法 被引量：10

3

作者 贾美霞 韩宝坤 +3 位作者 王金瑞 张骁 郭雷 赵伟涛 《噪声与振动控制》 CSCD 北大核心 2021年第6期84-89,125,共7页

近年来,基于数据驱动的设备智能故障诊断方法是监测设备健康状况的重要手段,然而在实际中不同工况下含标注的监测数据严重缺乏,导致智能故障诊断的模型难以有效构建。提出一种基于迁移堆栈自编码器的轴承故障诊断方法,能成功解决不同工... 近年来,基于数据驱动的设备智能故障诊断方法是监测设备健康状况的重要手段,然而在实际中不同工况下含标注的监测数据严重缺乏,导致智能故障诊断的模型难以有效构建。提出一种基于迁移堆栈自编码器的轴承故障诊断方法,能成功解决不同工况下轴承故障智能诊断的问题。首先,将不同工况下轴承原始振动信号数据进行快速傅里叶变换转化成频域信号,得到带标签的源域和不带标签的目标域数据集。其次,使用基于堆栈自编码器的多分类网络结构对源域数据进行特征提取,为防止过拟合加入Dropout层和批标准化层,从而有效提高特征的提取。最后,利用多核最大均值差异作为评价源域和目标域的距离指标,实现域不变特征提取并进行迁移学习。将该方法用于不同工况下滚动轴承的数据集进行验证,结果表明目标域样本充足时轴承故障诊断分类准确率能够达到99.4%,目标域样本为源域样本5%时其分类准确率能达到95.2%,具有较好的应用前景。 展开更多

关键词 故障诊断 迁移学习 堆栈自编码器 多核最大均值差异 滚动轴承

在线阅读 下载PDF 职称材料

基于堆栈自动编码器的泵站机组故障分析 被引量：4

4

作者 冯旭松 施伟 +4 位作者 杨雪 刘惠义 陈霜霜 郑源 商国中 《人民长江》 北大核心 2018年第8期99-102,共4页

将堆栈自动编码器(Stack Auto-encoders)应用到泵站机组的故障分析中,构建了基于堆栈自动编码器的故障分析模型。构建的模型主要由输入层、3个中间隐层和输出层构成,以实现对泵站机组的监测数据和特征进行提取和降维处理。模型网络采用... 将堆栈自动编码器(Stack Auto-encoders)应用到泵站机组的故障分析中,构建了基于堆栈自动编码器的故障分析模型。构建的模型主要由输入层、3个中间隐层和输出层构成,以实现对泵站机组的监测数据和特征进行提取和降维处理。模型网络采用了非监督逐层贪婪方法训练,然后使用反向传播算法对网络参数予以优化,在此基础上,利用softmax分类器进行分类。实验结果表明,运用所构建的模型对机组故障以及不同工况的平均分类准确率可以达到79.88%。该成果可以为泵站机组故障分析提供一定的参考依据。 展开更多

关键词 深度学习 故障分析 堆栈自编码器 泵站机组

在线阅读 下载PDF 职称材料

基于堆栈稀疏自编码器的滚动轴承故障诊断 被引量：8

5

作者 徐活耀 陈里里 《机床与液压》 北大核心 2020年第14期190-194,共5页

针对提取有效滚动轴承特征和消除特征之间的冗余,提出一种基于堆栈稀疏自编码器和Softmax层构建的深度神经网络(DNN)用于轴承故障诊断。首先从振动信号提取12个统计特征和6个时频域特征,然后将获得的特征用于构建18维特征向量;高维特征... 针对提取有效滚动轴承特征和消除特征之间的冗余,提出一种基于堆栈稀疏自编码器和Softmax层构建的深度神经网络(DNN)用于轴承故障诊断。首先从振动信号提取12个统计特征和6个时频域特征,然后将获得的特征用于构建18维特征向量;高维特征向量通过堆栈稀疏自编码器逐层贪婪学习获得无冗余的高级特征;最后将高级特征输入Softmax分类层进行轴承故障诊断。实验结果表明:相比于传统BP和SVM分类器,DNN能更准确地识别滚动轴承故障类型。 展开更多

关键词 滚动轴承 堆栈自编码器 Softmax层 深度神经网络 故障诊断

在线阅读 下载PDF 职称材料

基于堆栈式稀疏自编码器的高光谱影像分类 被引量：24

6

作者 戴晓爱 郭守恒 +2 位作者 任淯 杨晓霞 刘汉湖 《电子科技大学学报》 EI CAS CSCD 北大核心 2016年第3期382-386,共5页

为挖掘高光谱影像数据的内在光谱特征,该文基于深度学习理论,引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器,得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网,输出原始数据的深度... 为挖掘高光谱影像数据的内在光谱特征,该文基于深度学习理论,引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器,得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网,输出原始数据的深度特征。最后将其连接到支持向量机分类器,完成模型的精调。实验结果分析表明:基于堆栈式稀疏自编码器的最优分类模型,总体精度可达87.82%,优于实验中的其他方法,证明了深度学习方法在高光谱影像处理中具有良好的分类性能。 展开更多

关键词 深度神经网 特征提取 高光谱影像分类 堆栈式稀疏自编码器 支持向量机

在线阅读 下载PDF 职称材料

基于堆栈式自编码器的尾矿库安全评价 被引量：7

7

作者 陈国定 姚景新 洑佳红 《浙江工业大学学报》 CAS 北大核心 2015年第3期326-331,共6页

为有效评估尾矿库的安全状况,针对尾矿库数据的随机波动性、非线性和多数据源的特点,采用堆栈式自编码器算法对尾矿库进行安全评价.基于多层结构、稀疏性限制,该算法采用贪心逐层训练策略对网络权值进行优化,进而对尾矿库进行安全评价.... 为有效评估尾矿库的安全状况,针对尾矿库数据的随机波动性、非线性和多数据源的特点,采用堆栈式自编码器算法对尾矿库进行安全评价.基于多层结构、稀疏性限制,该算法采用贪心逐层训练策略对网络权值进行优化,进而对尾矿库进行安全评价.结合淳安某尾矿库的数据进行了安全评价的仿真实验,结果表明:堆栈式自编码器算法能克服多层网络结构权值易陷入局部最小值的缺陷,有效刻画数据的非线性和随机波动性,具备良好的评价准确率. 展开更多

关键词 堆栈式自编码器 尾矿库 安全评价 稀疏性

在线阅读 下载PDF 职称材料

堆栈稀疏自编码器的风力机锥齿轮故障诊断 被引量：2

8

作者 陈里里 司吉兵 董绍江 《机械设计与制造》 北大核心 2021年第3期161-164,共4页

针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入... 针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入到SSAE中进一步学习目标数据的深层本质特征,并进行特征降维,最后使用softmax分类器中进行分类识别。通过实验结果表明,和文中其他浅层学习模型相比,SSAE能够从齿轮振动信号中有效学习到所需的深层本质特征,拥有更高的识别准确率,因而证实了该方法优越性。 展开更多

关键词 时域分析 样本熵 特征提取 堆栈稀疏自编码器 Softmax分类器 故障诊断

在线阅读 下载PDF 职称材料

堆栈式混合自编码器的人脸表情识别方法 被引量：7

9

作者 张志禹 王瑞琼 +1 位作者 魏敏敏 周杰 《计算机工程与应用》 CSCD 北大核心 2019年第13期140-144,200,共6页

针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器(Stacked HybridAuto-Encoder,SHAE)的人脸表情识别方法。该方法的结构是由去噪自编码器(Denoising Auto-Encoder,DAE)、稀疏自编码器(Sparse Auto-Enco... 针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器(Stacked HybridAuto-Encoder,SHAE)的人脸表情识别方法。该方法的结构是由去噪自编码器(Denoising Auto-Encoder,DAE)、稀疏自编码器(Sparse Auto-Encoder,SAE)以及自编码器(Auto-Encoder,AE)组合而成的5 层网络结构。为了增加网络的鲁棒性以及泛化能力,采用去噪自编码器对样本进行提取特征,为了对提取的特征进行降维以及进一步提取更抽象的稀疏特征,采用稀疏自编码器进行级联,来对特征进一步处理。训练过程首先由无标签的数据进行预训练和整体微调,对整个结构的权重进行初始化和更新调整,然后使用有标签的数据进行测试训练。在JAFFE和CK+两个数据集上实验显示,相较于单纯的堆栈式去噪自编码或者单纯的堆栈式稀疏自编码,该方法具有更好的识别效果。 展开更多

关键词 人脸表情识别 堆栈式混合自编码器(SHAE) 稀疏自编码器(SAE) 去噪自编码器(DAE)

在线阅读 下载PDF 职称材料

基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测 被引量：6

10

作者 林芬芳 陈星宇 +2 位作者 周维勋 王倩 张东彦 《作物学报》 CAS CSCD 北大核心 2023年第8期2275-2287,共13页

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,... 小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。 展开更多

关键词 赤霉病 堆栈稀疏自编码器 高光谱 检测 小麦

在线阅读 下载PDF 职称材料

基于堆栈稀疏自编码器和微动特征的身份认证技术 被引量：4

11

作者 袁延鑫 孙莉 张群 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2018年第4期48-53,共6页

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进... 从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。 展开更多

关键词 堆栈稀疏自编码器 特征提取 微动特征 身份认证

在线阅读 下载PDF 职称材料

基于堆栈降噪自编码器改进的混合推荐算法 被引量：14

12

作者 杨帅 王鹃 《计算机应用》 CSCD 北大核心 2018年第7期1866-1871,共6页

针对传统协同过滤算法仅利用评分信息作为推荐依据,没有利用用户评论和标签信息,无法准确反映用户对项目特征的偏好,推荐精确度低且容易过拟合等问题,提出一种基于堆栈降噪自编码(SDAE)改进的混合推荐(SDHR)算法。首先利用深度学习模型S... 针对传统协同过滤算法仅利用评分信息作为推荐依据,没有利用用户评论和标签信息,无法准确反映用户对项目特征的偏好,推荐精确度低且容易过拟合等问题,提出一种基于堆栈降噪自编码(SDAE)改进的混合推荐(SDHR)算法。首先利用深度学习模型SDAE从用户自由文本标签中抽取项目的显式特征信息;然后,改进隐因子模型(LFM)算法,使用显式项目特征信息替换LFM中的抽象特征,进行矩阵分解训练;最后通过用户-项目偏好矩阵为用户提供推荐。在公开数据集Movie Lens上的实验测试,与三组推荐模型(基于标签权重及协同过滤、基于SDAE和极限学习机、基于循环神经网络)比较,该算法推荐精确度分别提高了45.2%、38.4%和16.1%。实验结果表明,所提算法可以充分利用项目自由文本标签信息提高推荐性能。 展开更多

关键词 推荐系统 协同过滤 深度学习 堆栈降噪自编码器 隐因子模型

在线阅读 下载PDF 职称材料

基于BAS优化堆栈稀疏自编码器的轴承故障诊断 被引量：3

13

作者 张磊 陈剑 +3 位作者 孙太华 曹昆明 阚东 程明 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2022年第12期1608-1614,1662,共8页

针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时... 针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时域、频域特征提取和变分模态分解,得到其固有模态函数,提取其时域、频域和固有模态函数的44个特征构建数据集,作为机器学习诊断网络的输入;其次,通过稀疏自编码器二次特征提取获得更加典型的特征,同时引入BAS算法对堆栈稀疏自编码器的稀疏惩罚因子进行自适应选取以获得最优分类模型;最后,通过Softmax分类层实现对滚动轴承的故障诊断分类。试验结果表明,该方法不仅在平稳载荷下具有很好的轴承故障分类能力,而且在时变非平稳性载荷以及不同测试数据量下仍然具有较好的故障分类效果。 展开更多

关键词 轴承故障诊断 深度神经网络 堆栈稀疏自编码器 变分模态分解 天牛须搜索(BAS)算法

在线阅读 下载PDF 职称材料

基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法 被引量：13

14

作者 娄建楼 李燕 +2 位作者 王琦 孙博 贾俊奇 《计算机集成制造系统》 EI CSCD 北大核心 2019年第12期3181-3190,共10页

数据清洗过程是对锅炉设备在线监测数据预处理的一个重要环节,针对数据清洗步骤繁琐,易导致连续性数据被破坏等问题,提出一种基于混合自适应性矩估计和随机梯度下降算法优化的堆栈降噪自编码器的数据清洗方法。首先,引入自适应性矩阵估... 数据清洗过程是对锅炉设备在线监测数据预处理的一个重要环节,针对数据清洗步骤繁琐,易导致连续性数据被破坏等问题,提出一种基于混合自适应性矩估计和随机梯度下降算法优化的堆栈降噪自编码器的数据清洗方法。首先,引入自适应性矩阵估计和随机梯度下降的混合算法,以不断调整堆栈降噪自编码器模型的网络参数。其次,利用模型训练正常状态数据,获取数据的隐藏特征,得到正常状态下的重构误差。再次,用该模型检测异常状态数据,根据其重构误差分析各种类型的数据对模型的影响,并对“脏数据”和反映设备故障的异常数据进行快速分类清洗修复。通过某电厂锅炉监测数据的清洗修补实验,证明了该方法能准确识别出“脏数据”,修补后的数据亦能遵循数据整体的分布规律,满足了数据的清洗要求,为后续数据分析挖掘和设备故障诊断工作奠定了良好的基础。 展开更多

关键词 锅炉设备 在线监测数据 数据清洗 深度学习 堆栈降噪自编码器 特征提取

在线阅读 下载PDF 职称材料

基于低秩堆栈式语义自编码器的零样本学习 被引量：1

15

作者 冉瑞生 董殊宏 +1 位作者 李进 王宁 《计算机应用研究》 CSCD 北大核心 2023年第2期539-543,共5页

在图像分类领域,现有的深度学习等方法在训练时需要大量有标注的数据样本,且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入,提出了一种新的零样本学习方法,即基于低秩嵌入的堆栈... 在图像分类领域,现有的深度学习等方法在训练时需要大量有标注的数据样本,且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入,提出了一种新的零样本学习方法,即基于低秩嵌入的堆栈语义自编码器(low-rank stacked semantic auto-encoder,LSSAE)。该模型基于编码-解码机制,编码器学习到一个具有低秩结构的投影函数,用于将图像的视觉特征空间、语义描述空间以及标签进行连接;解码阶段重建原始视觉特征。并通过低秩嵌入,使得学习到的模型在预见未见类别时能共享已见类的语义信息,从而更好地进行分类。本研究在五个常见的数据集上进行实验,结果表明LSSAE的性能优于已有的零样本学习方法,是一种有效的零样本学习方法。 展开更多

关键词 图像分类 零样本学习 堆栈式自编码器 低秩嵌入

在线阅读 下载PDF 职称材料

基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法 被引量：4

16

作者 郭业才 侯坤 《实验室研究与探索》 CAS 北大核心 2021年第3期1-4,13,共5页

针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略... 针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略将训练得到的最优权重作为深度神经网络的初始权重,提高网络的抗噪性、泛化性和收敛速度。仿真与实验结果表明,与传统DOA估计算法相比,该算法在低信噪比情况下定位误差小、准确度高。 展开更多

关键词 堆栈稀疏自编码器 深层神经网络 波达方位 迁移学习

在线阅读 下载PDF 职称材料

奇异值分解和稀疏自编码器的轴承故障诊断 被引量：16

17

作者 曹浩 陈里里 +1 位作者 司吉兵 任君兰 《计算机工程与应用》 CSCD 北大核心 2019年第20期257-262,270,共7页

针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行... 针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行矩阵重构,利用奇异值分解和时域分析对重构后的故障信号进行特征预提取,融合两种特征并输入到堆栈稀疏自编码器中进行特征优化,将优化后的特征输入到Softmax 分类器中进行分类识别。实验结果表明,3 种工况下10 类故障数据的识别准确率均在96%左右,且高于文中其他方法,因此该方法能有效地进行滚动轴承复杂信号的特征预处理以及分类。 展开更多

关键词 滚动轴承故障 奇异值分解(SVD) 时域分析 堆栈稀疏自编码器(SAE)

在线阅读 下载PDF 职称材料

基于自编码的长流程造纸过程断纸故障识别 被引量：7

18

作者 陈国健 李继庚 +2 位作者 陈波 满奕 何正磊 《中国造纸》 CAS 北大核心 2024年第3期113-120,141,共9页

断纸故障造成的非预期停机对生产效率影响较大,预测和识别断纸故障对造纸工业具有重要意义。本研究提出了一种基于堆栈自编码器(stacked autoencoder,SAE)和Softmax分类器的断纸故障分类和识别方法,通过相关性分析与机理分析相结合的方... 断纸故障造成的非预期停机对生产效率影响较大,预测和识别断纸故障对造纸工业具有重要意义。本研究提出了一种基于堆栈自编码器(stacked autoencoder,SAE)和Softmax分类器的断纸故障分类和识别方法,通过相关性分析与机理分析相结合的方式筛选出关键过程变量,并采用聚类方法对断纸故障进行类型标记。建立并训练SAE模型以提取数据中的深度特征,并基于提取后的特征,可通过Softmax分类器识别断纸故障。以造纸厂历史数据进行验证,得到该模型的断纸故障分类准确率为96.2%,精准率为93.1%,召回率为91.9%,结果优于其他模型,说明基于SAE特征提取的分类模型可以较好地实现断纸故障识别。 展开更多

关键词 造纸 特征提取 堆栈自编码器 故障识别

在线阅读 下载PDF 职称材料

一种HRRP重构识别方法:带标签约束的SDAE-CNN

19

作者 尹建国 盛文 +1 位作者 赵蒙 江河 《现代防御技术》 北大核心 2025年第3期32-41,共10页

雷达空中目标高分辨距离像(high resolution range profile, HRRP)常被用于开展目标识别,在实际运行过程中,数据样本不完备和噪声干扰往往会给雷达目标识别带来挑战。为克服这一挑战,将堆栈去噪自编码器(stacked denoising auto-encoder... 雷达空中目标高分辨距离像(high resolution range profile, HRRP)常被用于开展目标识别,在实际运行过程中,数据样本不完备和噪声干扰往往会给雷达目标识别带来挑战。为克服这一挑战,将堆栈去噪自编码器(stacked denoising auto-encoders, SDAE)和卷积神经网络(convolutional neural networks,CNN)结合起来用于HRRP的去噪重构与识别,并添加标签约束以加速模型收敛。SDAE可以对HRRP数据进行去噪重构,增强数据质量,扩充目标数据集,并引入标签约束,强化隐特征与所属类别相关联的能力,加速模型收敛,CNN用于对HRRP进行分类。实验结果表明,所提方法在小样本、强噪声场景下的目标识别中展现了较优的识别性能和识别精度,能够在一定程度克服样本少、噪声高对HRRP识别的不良影响。 展开更多

关键词 高分辨距离像 目标识别 数据不完备 噪声干扰 堆栈去噪自编码器 卷积神经网络

在线阅读 下载PDF 职称材料

基于IDT-SAE-ELM的煤矿电缆短路故障识别方法

20

作者 王清亮 李泓朴 +1 位作者 李书超 王伟峰 《西安科技大学学报》 北大核心 2024年第6期1205-1217,共13页

针对现有方法无法有效提取煤矿电缆短路故障深层特征而导致故障识别准确率和类型判定精度低的问题,提出了一种基于IDT-SAE-ELM的短路故障识别方法。首先采用IDT技术对传统SAE模型进行改进,以提高其高效捕获故障样本深层特征的能力;然后... 针对现有方法无法有效提取煤矿电缆短路故障深层特征而导致故障识别准确率和类型判定精度低的问题,提出了一种基于IDT-SAE-ELM的短路故障识别方法。首先采用IDT技术对传统SAE模型进行改进,以提高其高效捕获故障样本深层特征的能力;然后利用Adam算法优化IDT-SAE模型参数,实现了从原始电流信号自动获取短路故障特征量;最后利用ELM模型替代Softmax构造故障分类器,以提高SAE模型对特征差异性小的故障类型辨识能力,实现对煤矿电缆短路故障的识别与类型的智能判定。以煤矿电网实际参数进行短路故障仿真,分别利用Loss曲线与T-分布随机近邻嵌入算法可视化分析所提方法的抗过拟合能力与短路故障深层特征挖掘能力,采用准确率和精度对所提方法进行评价,结果表明:所提方法相较于传统SAE具有更好的故障特征提取能力和抗过拟合能力;所提方法对电缆短路故障的识别准确率稳定在99%左右,相较于RF、BPNN、ELM等人工智能方法,准确率分别提高了7.47%、5.82%、5.42%;在严重噪声干扰下,所提方法短路故障识别准确率始终保持在98.75%以上,有效提高了煤矿电缆短路故障识别准确率和类型判定精度,能够为越级跳闸原因判别、短路事故的分析与处理提供重要依据。 展开更多

关键词 煤矿 短路故障 堆栈自编码器 极限学习机 Dropout集成技术

在线阅读 下载PDF 职称材料