区分自编码网络及其在滚动轴承故障特征提取中的应用

区分自编码网络及其在滚动轴承故障特征提取中的应用

论文摘要

针对传统自编码网络在特征自动提取过程中仅以重构误差最小为目的而导致的分类信息模糊问题,提出了一种区分自编码网络。该网络在自编码网络的隐层连接一个全连接层,加上Softmax分类器,将分类器的输出与标签信息的交叉熵添加到原始的损失函数中,以该复合损失函数最小为目标对网络进行训练。将上一层区分自编码网络的隐层作为下一层区分自编码网络的输入,依次堆叠形成堆叠区分自编码网络。运用改进前后的堆叠自编码网络进行滚动轴承故障特征自动提取,分别在实验室定转速和变转速多载荷数据集上进行了测试。定量计算改进前后网络提取特征的类内距和类间距,区分自编码网络将类内距减少8.26%,类间距增加23.02%。运用3种常用分类器对两种网络提取的特征和42个人工提取的特征分别进行故障分类,结果显示,在定转速数据集上,区分型网络提取的特征和人工提取特征的分类效果相当,均高于传统型网络提取的特征;但是在变转速多载荷数据上,区分型网络提取的特征明显优于另外两类特征。定量计算和故障诊断的结果表明,区分型网络具有良好的不随工况变化的特征自动提取能力。提出的区分型自编码网络可广泛应用在机械故障诊断的特征提取阶段,为工程技术人员实现特征自动提取提供了一种解决方案。

论文目录

  • 1 基础理论
  •   1.1 自编码网络
  •   1.2 区分自编码网络
  •   1.3 堆叠区分自编码网络
  • 2 滚动轴承特征自动提取与故障诊断
  •   2.1 定转速数据集
  •   2.2 变转速多载荷数据集
  • 3 结论
  • 文章来源

    类型: 期刊论文

    作者: 向宙,张西宁,张雯雯,余迪

    关键词: 深度学习,自编码,特征提取,轴承故障诊断

    来源: 西安交通大学学报 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 西安交通大学机械制造系统工程国家重点实验室

    基金: 国家自然科学基金资助项目(51275379),国家自然科学基金创新研究群体资助项目(51421004)

    分类号: TH133.33;TP181

    页码: 47-55+140

    总页数: 10

    文件大小: 716K

    下载量: 473

    相关论文文献

    • [1].沙化土地地理信息多维结构特征提取仿真[J]. 计算机仿真 2019(11)
    • [2].基于卷积神经网络特征提取的轻量级包装袋分类模型[J]. 塑料科技 2020(08)
    • [3].图片特征提取[J]. 中小企业管理与科技(中旬刊) 2017(03)
    • [4].六种常用的网络流量特征提取工具[J]. 计算机与网络 2017(06)
    • [5].流场非线性特征提取与混沌分析[J]. 物理学报 2020(24)
    • [6].浅议车牌识别中字符的特征提取方法[J]. 科技传播 2009(05)
    • [7].基于分级特征提取的货物分拣机器人目标自动识别系统设计[J]. 自动化与仪器仪表 2020(05)
    • [8].多模态生物特征提取及相关性评价综述[J]. 中国图象图形学报 2020(08)
    • [9].多传感器数据融合在船舶特征提取中的应用[J]. 舰船科学技术 2016(18)
    • [10].溯洄从之,一波三折——关于特征提取的教学实例与策略[J]. 中国信息技术教育 2020(07)
    • [11].基于局部加权的非线性特征提取方法[J]. 华中科技大学学报(自然科学版) 2013(S1)
    • [12].基于多特征提取的识别算法数学建模优化研究[J]. 哈尔滨师范大学自然科学学报 2013(04)
    • [13].一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J]. 计算机科学 2014(03)
    • [14].一种基于特征提取的简答题阅卷算法[J]. 湖南工程学院学报(自然科学版) 2010(01)
    • [15].基于改进符号序列熵的岸桥齿轮箱退化特征提取研究[J]. 机电工程 2020(02)
    • [16].基于自编码的特征提取方法在生物医学领域中的应用进展[J]. 中国卫生统计 2020(02)
    • [17].基于时变三维坐标重构的空间锥体目标微动特征提取方法[J]. 空军工程大学学报(自然科学版) 2020(02)
    • [18].基于特征提取和随机森林的风机故障诊断[J]. 科学技术创新 2020(26)
    • [19].互联网+嵌入式移动4G教学终端——农业病虫害特征提取系统的研究[J]. 电子技术与软件工程 2019(21)
    • [20].恶意流量特征提取综述[J]. 信息网络安全 2018(09)
    • [21].基于特征提取的图像相似度研究[J]. 信息系统工程 2016(01)
    • [22].基于敏感分量融合的液压泵退化特征提取方法[J]. 仪器仪表学报 2016(06)
    • [23].几种藏文字特征提取方法比较研究[J]. 信息与电脑(理论版) 2014(08)
    • [24].基于层次特征提取的文本分类研究[J]. 计算机应用与软件 2020(02)
    • [25].基于关联规则特征提取的心理大数据评估方法[J]. 周口师范学院学报 2020(02)
    • [26].基于三角函数迭代的视频数据特征提取[J]. 图学学报 2020(04)
    • [27].光纤安防监测信号的特征提取与识别研究综述[J]. 计算机工程与应用 2019(03)
    • [28].基于特征提取的绘本阅读机器人设计方案[J]. 电子制作 2019(15)
    • [29].基于特征提取及聚类算法的增量图片筛选系统[J]. 电视技术 2017(Z3)
    • [30].一种新颖的通信辐射源个体细微特征提取方法[J]. 电波科学学报 2016(01)

    标签:;  ;  ;  ;  

    区分自编码网络及其在滚动轴承故障特征提取中的应用
    下载Doc文档

    猜你喜欢