基于无监督迁移成分分析和深度信念网络的轴承故障诊断方法

基于无监督迁移成分分析和深度信念网络的轴承故障诊断方法

论文摘要

针对轴承故障样本少导致识别精度低的问题,提出一种基于无监督迁移成分分析(unsupervised transfer component analysis,UTCA)和深度信念网络(deep belief network,DBN)的故障诊断方法。首先利用UTCA的核函数将不同工况样本特征映射到一个共享再生核Hilbert空间中,使得源域和目标域样本集更加相似,并通过最大均值偏差嵌入法(maximum mean discrepancy embedding,MMDE)判断能够迁移的源域数据,将源域样本迁移到目标域中,为深度学习提供充足的训练样本,解决了实际故障样本较少的问题;然后采用DBN模型对源域样本进行训练,再对映射后无标记的目标域样本进行故障诊断分析。利用不同工况下的滚动轴承实验数据进行算法验证,结果表明,与普通DBN、SVM、BPNN以及传统机器学习-UTCA融合方法相比,本文方法对滚动轴承故障的诊断精度更高。

论文目录

  • 1 UTCA算法
  • 2 DBN模型
  •   2.1 RBM网络
  •   2.2 BP网络微调
  • 3 基于UTCA和DBN的轴承故障诊断流程
  • 4 应用实例分析
  •   4.1 试验数据
  •   4.2 故障诊断结果与分析
  • 5 结语
  • 文章来源

    类型: 期刊论文

    作者: 谭俊杰,杨先勇,徐增丙,王志刚

    关键词: 故障诊断,滚动轴承,无监督迁移成分分析,深度信念网络,迁移学习,深度学习

    来源: 武汉科技大学学报 2019年06期

    年度: 2019

    分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 武汉科技大学冶金装备及其控制教育部重点实验室,武汉科技大学机械自动化学院,中国舰船研究设计中心

    基金: 国家自然科学基金资助项目(51775391),装备预研基金项目(6142223180312)

    分类号: TP18;TH133.3

    页码: 456-462

    总页数: 7

    文件大小: 1985K

    下载量: 499

    相关论文文献

    • [1].一种新的鲁棒无监督显著性目标检测方法[J]. 中国科技论文 2019(12)
    • [2].马来语领域多词组无监督识别[J]. 中国科学技术大学学报 2019(07)
    • [3].基于“声纹+”的无监督可信身份认证[J]. 信息安全研究 2020(07)
    • [4].基于生成对抗网络的无监督域适应分类模型[J]. 电子学报 2020(06)
    • [5].你是一个自律的人吗[J]. 成才与就业 2020(06)
    • [6].基于表示学习的无监督跨语言专利推荐研究[J]. 数据分析与知识发现 2020(10)
    • [7].利用稳健非负矩阵分解实现无监督高光谱解混[J]. 中国图象图形学报 2020(04)
    • [8].基于无监督特征学习的手势识别方法[J]. 微电子学与计算机 2016(01)
    • [9].基于互信息的无监督特征选择[J]. 计算机研究与发展 2012(02)
    • [10].一种基于聚类的无监督异常检测方法[J]. 计算机工程与应用 2008(01)
    • [11].结合注意力与无监督深度学习的单目深度估计[J]. 广东工业大学学报 2020(04)
    • [12].无监督特征学习的人体活动识别[J]. 国防科技大学学报 2015(05)
    • [13].基于免疫网络的无监督式分类算法[J]. 山东大学学报(工学版) 2010(05)
    • [14].无监督排序学习算法的一致性比较[J]. 河北大学学报(自然科学版) 2015(02)
    • [15].一种无需初始化的遥感图像无监督分割方法[J]. 小型微型计算机系统 2010(10)
    • [16].无监督词义消歧研究[J]. 软件学报 2009(08)
    • [17].一种基于密度的无监督联系发现方法[J]. 中国管理科学 2008(S1)
    • [18].基于无监督算法的电能替代潜能用户识别系统设计[J]. 电子设计工程 2020(11)
    • [19].基于判别性样本选择的无监督领域自适应方法[J]. 西北工业大学学报 2020(04)
    • [20].基于无监督特征对齐的变负载下滚动轴承故障诊断方法[J]. 中国电机工程学报 2020(01)
    • [21].无监督机器学习在游戏反欺诈领域的应用研究[J]. 信息网络安全 2020(09)
    • [22].改进的无监督同时正交基聚类特征选择[J]. 吉林化工学院学报 2019(07)
    • [23].无监督条件下跨领域目标识别关键技术研究[J]. 自动化技术与应用 2019(11)
    • [24].基于视觉概率统计的无监督数字抠图模型[J]. 计算机工程与应用 2015(18)
    • [25].增强的无监督人脸鉴别技术[J]. 计算机工程与应用 2010(18)
    • [26].基于稀疏回归和谱分析的无监督特征选择算法[J]. 计算机与数字工程 2020(02)
    • [27].最大熵和?_(2,0)范数约束的无监督特征选择算法[J]. 计算机工程与应用 2020(11)
    • [28].基于自注意力机制的多阶段无监督单目深度估计网络[J]. 信号处理 2020(09)
    • [29].一种基于规则的无监督词性标注方法[J]. 吉林大学学报(理学版) 2015(05)
    • [30].看法五:校长组阁制:掌控公权力的少数人对教育的亵渎[J]. 江苏教育 2010(11)

    标签:;  ;  ;  ;  ;  ;  

    基于无监督迁移成分分析和深度信念网络的轴承故障诊断方法
    下载Doc文档

    猜你喜欢