论文摘要
在电机故障诊断研究领域,基于人工智能技术和现代信号处理方法相结合的故障诊断技术正逐步成为目前的研究热点。一般的模式识别方法往往对信号的数据采集和处理有较高要求,且往往因模型泛化能力有限而受到制约。为解决这一问题,提出一种基于稀疏自编码器的故障诊断方法,利用Hilbert包络谱信号训练稀疏自编码器,自适应将大数据的内在特征提炼为简单的特征函数,通过特征函数表达实现电机状况的智能诊断。实验结果表明,相比BP(Back propagation,BP)神经网络和支持向量机分类算法,本方法可快速、有效地提高故障分类的准确度,对电机故障精准诊断具有重要意义。
论文目录
文章来源
类型: 期刊论文
作者: 王黎阳,杜翀,汪欣,翟旭平
关键词: 故障诊断,稀疏自编码,模式识别,特征提取
来源: 噪声与振动控制 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,电信技术
单位: 上海大学特种光纤与光接入网重点实验室,中国科学院上海高等研究院城市公共安全研究中心
基金: 中国科学院重点部署资助项目(KFZD-SW-310)
分类号: TM307;TN911.7
页码: 197-202+249
总页数: 7
文件大小: 1886K
下载量: 270