期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断
被引量：
18
1
作者
陈仁祥
杨星
+3 位作者
杨黎霞
王家序
徐向阳
陈思杨
《振动与冲击》
EI
CSCD
北大核心
2017年第21期125-131,137,共8页
针对滚动轴承损伤程度的特征自学习提取与智能诊断问题,提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰,浅层自编码网络对损伤特征的自学习、提取能力不足。为此,论文将稀...
针对滚动轴承损伤程度的特征自学习提取与智能诊断问题,提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰,浅层自编码网络对损伤特征的自学习、提取能力不足。为此,论文将稀疏项限制和加噪编码融入自编码网络,同时将自编码网络堆栈并添加分类层,构建出栈式稀疏加噪自编码深度神经网络,进行轴承损伤特征非监督自动提取与损伤程度智能诊断。稀疏项限制和深度神经网络的构建提高了特征学习能力,加噪编码的融入改善了网络的鲁棒性。所构建深度神经网络通过多层无监督逐层自学习和有监督微调,完成损伤特征自动提取与表达,并实现了损伤程度智能诊断。不同工况下轴承损伤程度诊断的实验验证证明了所提方法的可行性和有效性。
展开更多
关键词
滚动轴承
损伤程度
稀疏加噪自编码
深度神经网络
诊断
在线阅读
下载PDF
职称材料
题名
栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断
被引量：
18
1
作者
陈仁祥
杨星
杨黎霞
王家序
徐向阳
陈思杨
机构
重庆交通大学机电与车辆工程学院
四川大学空天科学与工程学院
重庆交通大学经济与管理学院
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第21期125-131,137,共8页
基金
国家自然科学基金(51305471)
中国博士后科学基金(2014M560719
+4 种基金
2016M590861)
重庆市基础与前沿研究计划资助项目(cstc2014jcyj A70009
cstc2015jcyj A70012)
重庆市教育委员会科学技术研究(KJ1400308)
国家留学基金(201408505081)
文摘
针对滚动轴承损伤程度的特征自学习提取与智能诊断问题,提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰,浅层自编码网络对损伤特征的自学习、提取能力不足。为此,论文将稀疏项限制和加噪编码融入自编码网络,同时将自编码网络堆栈并添加分类层,构建出栈式稀疏加噪自编码深度神经网络,进行轴承损伤特征非监督自动提取与损伤程度智能诊断。稀疏项限制和深度神经网络的构建提高了特征学习能力,加噪编码的融入改善了网络的鲁棒性。所构建深度神经网络通过多层无监督逐层自学习和有监督微调,完成损伤特征自动提取与表达,并实现了损伤程度智能诊断。不同工况下轴承损伤程度诊断的实验验证证明了所提方法的可行性和有效性。
关键词
滚动轴承
损伤程度
稀疏加噪自编码
深度神经网络
诊断
Keywords
rolling bearing
fault severity
stacked sparse denoising auto-encoder
deep neural network
diagnosis
分类号
TN911.7 [电子电信—通信与信息系统]
TH165.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断
陈仁祥
杨星
杨黎霞
王家序
徐向阳
陈思杨
《振动与冲击》
EI
CSCD
北大核心
2017
18
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
