本文關(guān)鍵詞：基于深度信念網(wǎng)絡(luò)的信號重構(gòu)與軸承故障識別

  更多相關(guān)文章： 特征提取 受限玻爾茲曼機(jī) DBN 深度學(xué)習(xí) 故障識別

【摘要】：針對傳統(tǒng)智能識別需要復(fù)雜的特征提取過程,增加了操作的難度和不確定性,采用深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)直接從原始數(shù)據(jù)對故障智能識別的方法。該方法避免了人工特征提取過程,增強(qiáng)了識別的智能性。將以原始數(shù)據(jù)為輸入的DBN應(yīng)用于軸承故障識別,接近100%正確識別率的實(shí)驗(yàn)結(jié)果表明:DBN可以直接通過原始數(shù)據(jù)對軸承故障進(jìn)行高效識別。
【作者單位】： 華南理工大學(xué)機(jī)械與汽車工程學(xué)院;
【關(guān)鍵詞】： 特征提取 受限玻爾茲曼機(jī) DBN 深度學(xué)習(xí) 故障識別
【分類號】：TP391.41
【正文快照】： 故障智能識別實(shí)質(zhì)上是通過機(jī)器學(xué)習(xí)對能刻畫故障的特征進(jìn)行故障識別,因此選定的特定特征是智能診斷的關(guān)鍵影響因素。應(yīng)用于機(jī)械故障智能診斷領(lǐng)域的特定特征可分為三類,即單變量特征,多變量特征和圖像特征。單變量特征是指只有一個(gè)變量特征,如峭度,特征頻率等,其相對簡單,易于

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 蔣加伏;袁承偉;;融合PCA與LDA變換的仿生人臉識別研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

2 ;[J];;年期

，

本文編號：1129361