基于优化堆叠降噪自编码器的滚动轴承故障诊断 | |
杜先君1,2,3; 贾亮亮1 | |
刊名 | 吉林大学学报(工学版) |
2021-09-02 | |
页码 | 1-10 |
关键词 | 故障诊断 滚动轴承 堆叠降噪自编码器 超参优化 特征提取 |
DOI | 10.13229/j.cnki.jdxbgxb20210415 |
英文摘要 | 针对深度神经网络用于滚动轴承故障诊断时,网络隐含层层数、各隐含层节点数、稀疏系数以及输入数据置零比例等超参数会直接影响网络诊断性能的问题,提出一种优化改进堆叠降噪自编码器(stacked denoising auto encoders, SDAE)的滚动轴承故障智能诊断方法。使用学生心理优化算法(student psychology based optimization, SPBO)对降噪自编码器(denoising auto encoder, DAE)网络的超参数进行自适应选取来确定SDAE网络的最优结构和参数,据此提取具有更强表征力的故障状态特征表示,输入到soft-max分类器实现滚动轴承运行工况的精确诊断。使用3个开源数据集对所提网络的性能进行验证,实验结果表明,基于SPBO-SDAE网络的诊断方法在特征有效提取、诊断速度以及故障诊断准确率方面均优于支持向量机(support vector machine, SVM)、反向传播(back propagation, BP)神经网络、径向基(radial basis function, RBF)神经网络、SDAE网络、SPBO优化后的深度置信网络(deep belief network, DBN)、遗传算法(genetic algorithm, GA)优化后的SDAE网络以及粒子群算法(particle swarm optimization, PSO)优化后的SDAE网络。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/149125] |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.兰州理工大学电气工程与信息工程学院; 2.兰州理工大学国家级电气与控制工程实验教学中心 3.兰州理工大学甘肃省工业过程先进控制重点实验室; |
推荐引用方式 GB/T 7714 | 杜先君,贾亮亮. 基于优化堆叠降噪自编码器的滚动轴承故障诊断[J]. 吉林大学学报(工学版),2021:1-10. |
APA | 杜先君,&贾亮亮.(2021).基于优化堆叠降噪自编码器的滚动轴承故障诊断.吉林大学学报(工学版),1-10. |
MLA | 杜先君,et al."基于优化堆叠降噪自编码器的滚动轴承故障诊断".吉林大学学报(工学版) (2021):1-10. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论