【摘要】：針對滾動軸承壽命特征提取與壽命階段智能識別問題,提出加噪樣本擴展深度稀疏自編碼神經(jīng)網(wǎng)絡的滾動軸承壽命階段識別方法。稀疏自編碼具有非監(jiān)督自動學習數(shù)據(jù)內部結構特征的能力,但屬淺層網(wǎng)絡,特征提取能力有限且不具備分類能力。因此,將多個稀疏自編碼堆棧并添加分類層構建出集壽命特征自動提取與識別功能于一體的深度稀疏自編碼神經(jīng)網(wǎng)絡,通過無監(jiān)督逐層自學習與有監(jiān)督微調,完成壽命特征的自動提取與表達,并實現(xiàn)壽命階段智能識別。同時,為解決壽命樣本量不足導致的網(wǎng)絡過擬合,對原訓練樣本進行加噪擴展來訓練網(wǎng)絡,以抑制網(wǎng)絡過擬合并提高網(wǎng)絡的魯棒性。通過工程應用,證明了所提方法的可行性和有效性。
[Abstract]:Aiming at the problem of life feature extraction and intelligent recognition of rolling bearing life stage, a rolling bearing life stage recognition method based on noisy sample extended depth sparse self-coding neural network is proposed. Sparse self-coding has the ability to learn the internal structural features of data automatically without supervision, but it belongs to shallow network, and the ability of feature extraction is limited and does not have the ability of classification. Therefore, a deep sparse self-coding neural network which integrates the functions of automatic extraction and recognition of life features is constructed by adding multiple sparse self-coding stacks and adding classification layers. through unsupervised layer-by-layer self-learning and supervised fine-tuning, the automatic extraction and expression of life features is completed, and the intelligent recognition of life stage is realized. At the same time, in order to solve the problem of network overfitting caused by insufficient lifetime sample size, the original training samples are extended by adding noise to train the network, in order to restrain the network overfitting and improve the robustness of the network. The feasibility and effectiveness of the proposed method are proved by engineering application.
【作者單位】： 重慶交通大學機電與車輛工程學院;重慶大學機械傳動國家重點實驗室;四川大學空天科學與工程學院;
【基金】：機械傳動國家重點實驗室開放基金資助項目(SKLMT-KFKT-201710) 國家自然科學基金資助項目(51305471,51775065) 中國博士后科學基金資助項目(2014M560719)
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前10條

1 賈爽;賀利樂;;基于粒子群優(yōu)化SOM神經(jīng)網(wǎng)絡的軸系多振動故障診斷[J];機械傳動;2011年06期

2 唐貴基;楊玉婧;宋彩萌;;基于神經(jīng)網(wǎng)絡的旋轉機械振動故障診斷[J];機械工程師;2012年01期

3 欒美潔;許飛云;賈民平;;旋轉機械故障診斷的神經(jīng)網(wǎng)絡方法研究[J];噪聲與振動控制;2008年01期

4 高強;錢林方;侯遠龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡模型參考自適應控制[J];機床與液壓;2008年06期

5 徐小力;左云波;吳國新;;量子神經(jīng)網(wǎng)絡在旋轉機組狀態(tài)趨勢預測中的應用[J];機械強度;2010年04期

6 何文;同淑榮;王克勤;;基于神經(jīng)網(wǎng)絡的質量控制圖異常診斷[J];機械制造;2013年05期

7 許寧,黃之初;神經(jīng)網(wǎng)絡在旋轉機械故障診斷中的應用研究[J];礦山機械;2005年08期

8 宋文杰;劉伯峰;王平;姜冰;;基于小波—神經(jīng)網(wǎng)絡的故障劣化趨勢檢測[J];職大學報(自然科學版);2006年02期

9 王志濤;肖明清;謝化勇;禚真福;薛輝輝;;基于神經(jīng)網(wǎng)絡的故障診斷效能模糊綜合評價研究[J];計算機測量與控制;2011年12期

10 戴中浩;林瓊;王秋成;;基于神經(jīng)網(wǎng)絡的再制造自動變速箱檢測及試驗研究[J];機械制造;2012年01期

相關會議論文 前10條

1 杜福銀;封其勃;;一種基于Hopfield神經(jīng)網(wǎng)絡作業(yè)車間調度問題的優(yōu)化方法[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

2 宋國明;王厚軍;姜書艷;劉紅;;基于神經(jīng)網(wǎng)絡的融合智能診斷方法在模擬電路故障診斷中的應用[A];2007'中國儀器儀表與測控技術交流大會論文集（二）[C];2007年

3 宋軼民;余躍慶;張策;馬文貴;;基于神經(jīng)網(wǎng)絡的機敏機構振動自校正控制[A];第十二屆全國機構學學術研討會論文集[C];2000年

4 吳洪民;;氣動伺服定位系統(tǒng)的神經(jīng)網(wǎng)絡模糊自適應PID控制[A];第一屆全國流體動力及控制工程學術會議論文集（第二卷）[C];2000年

5 黎啟柏;桂佩佩;韓君;;二次調節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡自學習自適應控制[A];液壓與氣動學術研討會論文集[C];2004年

6 黎啟柏;桂佩佩;韓君;;二次調節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡自學習自適應控制[A];第三屆全國流體傳動及控制工程學術會議論文集（第三卷）[C];2004年

7 曹春紅;張斌;王利民;李文輝;;基于免疫神經(jīng)網(wǎng)絡的幾何約束求解技術的研究[A];第二十七屆中國控制會議論文集[C];2008年

8 謝進;閻開印;陳永;;神經(jīng)網(wǎng)絡技術在平面機構綜合中的應用[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（下冊）[C];2002年

9 徐云根;黃小平;白傳航;丁紅鋼;翁澤宇;;高溫重載潤滑脂軸承壽命試驗方法的分析與研究[A];機械動力學理論及其應用[C];2011年

10 徐志方;賀小明;張傳維;沈路;;集成神經(jīng)網(wǎng)絡信息融合技術在給水泵故障診斷中的應用[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

相關博士學位論文 前2條

1 張焱;模擬空間環(huán)境下滾動軸承壽命的振動譜表征與預測方法研究[D];重慶大學;2016年

2 陳仁祥;振動譜表征空間滾動軸承壽命狀態(tài)方法研究[D];重慶大學;2012年

相關碩士學位論文 前10條

1 王栗;面向電機軸承的快速故障診斷方法研究[D];沈陽理工大學;2015年

2 于會超;機械觸覺機構及控制的研究與應用[D];華北理工大學;2015年

3 李捷;基于神經(jīng)網(wǎng)絡的軸承故障診斷技術研究[D];電子科技大學;2015年

4 宋銀芳;橋式起重機故障分析與故障率預測方法研究[D];安徽理工大學;2016年

5 高芮;基于神經(jīng)網(wǎng)絡的機械故障診斷技術的研究[D];青島科技大學;2016年

6 程翔;基于神經(jīng)網(wǎng)絡的輪帶系統(tǒng)橫向振動的變結構控制[D];福州大學;2014年

7 龐艷艷;基于選擇性神經(jīng)網(wǎng)絡的故障診斷研究[D];華中科技大學;2014年

8 徐銘志;基于神經(jīng)網(wǎng)絡PID的金屬帶式無級變速器速比控制研究[D];燕山大學;2016年

9 齊放;基于極限學習機的設備故障預測方法及應用研究[D];北京化工大學;2016年

10 尤海鑫;BP神經(jīng)網(wǎng)絡與模糊邏輯在智能故障診斷中的應用[D];大連交通大學;2014年

，

本文編號：2520097