本文關鍵詞：基于稀疏自動編碼深度神經(jīng)網(wǎng)絡的感應電動機故障診斷

  更多相關文章： 稀疏自動編碼器 深度神經(jīng)網(wǎng)絡 去噪編碼 dropout 故障診斷

【摘要】：針對目前感應電動機故障診斷大多采用監(jiān)督學習提取故障特征的現(xiàn)狀,提出一種將去噪編碼融入稀疏自動編碼器的深度神經(jīng)網(wǎng)絡,實現(xiàn)非監(jiān)督學習的特征提取并用于感應電動機的故障診斷。稀疏自動編碼器通過自動學習復雜數(shù)據(jù)的內(nèi)在特征來提取簡明的數(shù)據(jù)特征表達。為提高特征表達的魯棒性,在稀疏編碼器的基礎上融入去噪編碼,提取更有效的特征表達用來訓練神經(jīng)網(wǎng)絡分類器進而完成整個深度神經(jīng)網(wǎng)絡的構建,并結合反向傳播算法對深度神經(jīng)網(wǎng)絡進行整體微調(diào),提升故障分類的準確度。整個訓練過程引入"dropout"訓練技巧,減少因過擬合帶來的預測誤差。試驗結果表明,相比傳統(tǒng)反向傳播(Back propagation,BP)神經(jīng)網(wǎng)絡,提出的深度神經(jīng)網(wǎng)絡能更有效地實現(xiàn)感應電動機故障診斷。
【作者單位】： 東南大學儀器科學與工程學院;
【關鍵詞】： 稀疏自動編碼器 深度神經(jīng)網(wǎng)絡 去噪編碼 dropout 故障診斷
【基金】：國家自然科學基金資助項目(51575102)
【分類號】：TM346;TP183
【正文快照】： 0前言*電動機作為一種必不可缺的驅(qū)動裝置,在現(xiàn)代工業(yè)生產(chǎn)中占據(jù)著重要地位。對電動機進行實時的狀態(tài)監(jiān)測與故障診斷,不僅可保證電動機的正常運作,而且能夠及時發(fā)現(xiàn)問題并進行維修,避免不必要的損失[1]。現(xiàn)階段,電動機的故障診斷大多是通過對各種狀態(tài)參數(shù)的檢測與分析來判斷其

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王清太;段毅;;神經(jīng)網(wǎng)絡在某交流伺服系統(tǒng)建模中的應用[J];火力與指揮控制;2008年11期

2 郁云;魏瑾;;鍋爐生產(chǎn)過程的神經(jīng)網(wǎng)絡建模方法研究[J];電腦知識與技術;2008年34期

3 馬玲玲;鄭賓;馬圓圓;;基于神經(jīng)網(wǎng)絡PID智能復合控制方法研究[J];計量與測試技術;2009年03期

4 楊琦;張建華;王向峰;李衛(wèi)國;;基于小波-神經(jīng)網(wǎng)絡的風速及風力發(fā)電量預測[J];電網(wǎng)技術;2009年17期

5 吳珂;楊麗霞;王海瑞;;量子神經(jīng)網(wǎng)絡在電力諧波檢測中的應用[J];計算機與數(shù)字工程;2012年02期

6 厲衛(wèi)娜;蘇小林;;基于小波-神經(jīng)網(wǎng)絡的風電功率短期預測[J];山西電力;2012年02期

7 吳巍;;神經(jīng)網(wǎng)絡在繼電器中的應用研究[J];信息系統(tǒng)工程;2012年05期

8 劉瑾;楊海馬;陳抱雪;曾啟o，

本文編號：1008493