高信息化水平的工業(yè)過程故障管理平臺(tái)對(duì)設(shè)備的維護(hù)與檢修具有重要的作用,而故障分類技術(shù)是其中的重要一環(huán)。工業(yè)界通常采用統(tǒng)計(jì)分析、小波分析等傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)方法,利用數(shù)理統(tǒng)計(jì)信息或時(shí)域、頻域和空間域的信息對(duì)故障建立模型,具有較強(qiáng)的解釋性與可靠性。而最新發(fā)展的深度學(xué)習(xí)算法取得了強(qiáng)勁的性能,但其可解釋性和理論適用性較差�？蓪⑸疃葘W(xué)習(xí)與傳統(tǒng)方法相結(jié)合,以進(jìn)一步提高故障分類的精度。在傳統(tǒng)的故障分類技術(shù)中,常使用小波變換對(duì)信號(hào)進(jìn)行去噪處理,但也舍棄了故障的部分頻率分量。通過端對(duì)端設(shè)計(jì)的離散小波變換,可自適應(yīng)地提取所需的頻域特征,并結(jié)合深度殘差網(wǎng)絡(luò)以進(jìn)一步提取出故障在頻域內(nèi)的深層模式。實(shí)驗(yàn)結(jié)果表明該算法在故障分類任務(wù)中取得了良好的效果。針對(duì)自編碼器算法在特征提取中的盲目性問題,提出了小波自編碼器（Wavelet Auto-encoder,簡(jiǎn)稱WAE）對(duì)信號(hào)數(shù)據(jù)進(jìn)行空間域的聚焦描述,使之更適用于分類任務(wù)。并將小波自編碼器與深度殘差網(wǎng)絡(luò)相結(jié)合搭建了分類模型,實(shí)驗(yàn)結(jié)果表明該算法優(yōu)于自編碼器等常規(guī)深度學(xué)習(xí)算法。在現(xiàn)有卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用中,通常對(duì)信號(hào)數(shù)據(jù)設(shè)置二維的感受野以提取時(shí)域、空間域的關(guān)聯(lián)特征。但這將對(duì)變量的排... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Mallat算法架構(gòu)

基于 Mallot 算法，可將子小波設(shè)計(jì)為： = √ (2-7)其中 = = ， = ， , 一般可設(shè)為 2 和 1，這可將信號(hào)分解為無冗余的展開式，這樣的子小波也被稱為二進(jìn)小波。2.2. 機(jī)器學(xué)習(xí)方法2.2.1. 神經(jīng)網(wǎng)絡(luò)與反向梯度傳播優(yōu)化算法自從Rumelhar和Hinton于1986年提出了反向梯度傳播（Back-propagation，簡(jiǎn)稱 BP）[49]算法，對(duì)人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡(jiǎn)稱 ANN）的研究開啟了新的紀(jì)元。典型的神經(jīng)網(wǎng)絡(luò)由三層構(gòu)成，輸入層的輸入數(shù)據(jù)通過權(quán)重連接至隱層中的含有偏置項(xiàng)的內(nèi)部表示單元，再通過權(quán)重連接至輸出單元，從而得到輸出量，如圖 2-2 所示。

圖 2-2 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖N 網(wǎng)絡(luò)輸出的表達(dá)式可寫為：y= ( ) = π π ( ) 維的輸入向量， ( )為 維的小波向量，其表達(dá)式為： ( ) = ( ) ( ) ( ) π)為母小波函數(shù)， 的表達(dá)式為： = ， = ， = 為平移因子， 為伸縮因子，則 寫為 = ( )。編碼器碼器是一種無監(jiān)督學(xué)習(xí)算法[56]，它將目標(biāo)輸出 ′與輸入 的誤調(diào)整權(quán)重與偏置；換言之，自編碼器嘗試通過隱藏層單元的非

【參考文獻(xiàn)】：
期刊論文
[1]論電氣設(shè)備的運(yùn)行維護(hù)及故障檢修[J]. 王金龍.  山東工業(yè)技術(shù). 2018(11)
[2]智能生產(chǎn)系統(tǒng)構(gòu)建方法及其關(guān)鍵技術(shù)研究[J]. 王焱,王湘念,王曉麗,盧志軍,姬學(xué)莊.  航空制造技術(shù). 2018(Z1)
[3]基于改進(jìn)堆疊降噪自編碼的滾動(dòng)軸承故障分類[J]. 侯文擎,葉鳴,李巍華.  機(jī)械工程學(xué)報(bào). 2018(07)
[4]深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣.  控制與決策. 2017(08)
[5]DCS集散控制系統(tǒng)故障與維護(hù)管理方案設(shè)計(jì)[J]. 楊天永.  通訊世界. 2017(04)
[6]復(fù)雜工業(yè)過程質(zhì)量相關(guān)的故障檢測(cè)與診斷技術(shù)綜述[J]. 彭開香,馬亮,張凱.  自動(dòng)化學(xué)報(bào). 2017(03)
[7]電氣設(shè)備故障的判別和檢修剖析[J]. 丁瑞娟.  山東工業(yè)技術(shù). 2016(03)
[8]打造大數(shù)據(jù)驅(qū)動(dòng)的智能制造業(yè)[J]. 馮國華.  中國工業(yè)評(píng)論. 2015(04)
[9]基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法綜述[J]. 李晗,蕭德云.  控制與決策. 2011(01)
[10]基于短時(shí)傅里葉變換的肌電信號(hào)識(shí)別方法[J]. 蔡立羽,王志中,張海虹.  中國醫(yī)療器械雜志. 2000(03)

博士論文
[1]信號(hào)小波理論與一體化小波分析儀的研究[D]. 秦毅.重慶大學(xué) 2008



本文編號(hào)：3312413