基于VMD-DBN的矿井涌水量预测方法 被引量：8

1

作者 刘慧 刘桂芹 +2 位作者 宁殿艳 樊娟 陈卫明 《煤田地质与勘探》 EI CAS CSCD 北大核心 2023年第6期13-21,共9页

在煤矿采掘过程中,因矿井涌(突)水造成的人员和财产损失极为严重。为预防涌(突)水灾害事故的发生,掌握涌水量的发展变化规律,开展涌水预测预报尤其是矿井涌水量的精准预计尤为重要,是矿井水害防治中一项重要的工作任务。为提高矿井涌水... 在煤矿采掘过程中,因矿井涌(突)水造成的人员和财产损失极为严重。为预防涌(突)水灾害事故的发生,掌握涌水量的发展变化规律,开展涌水预测预报尤其是矿井涌水量的精准预计尤为重要,是矿井水害防治中一项重要的工作任务。为提高矿井涌水量的预测准确性,针对随时间无明显变化规律的涌水量序列,提出了变分模态分解(Variational Mode Decomposition,VMD)和深度置信网络(Deep Belief Network,DBN)相结合的高效时间序列预测模型。首先通过VMD模态分解技术对原始数据进行去噪,将原始矿井涌水量时间序列分解为若干个本征模态函数(Intrinsic Mode Function,IMF)分量,使各个IMF分量都具有原始时间序列在不同时间尺度下的统计学特征量,降低了原始时间序列的强震荡性和非稳定性。其次针对每个IMF分量,分别建立各自的DBN模型进行训练学习,进而建立起相应的预测网络模型。最后融合各分量预测值得到最终结果。结果显示,VMD-DBN的E_(MA)、E_(MAP)、E_(RMS)和R^(2)分别为9.23、0.76%、11.55和0.97,通过与GA-BP、LSTM、VMD-LSTM、RBM、VMD-RBM和DBN模型的预测值进行对比发现,VMD-DBN模型进行矿井涌水量预测具有更高的预测精度。VMD-DBN模型对于涌水量随时间无明显变化规律、且具有较强震荡性和非平稳的工况具有相对明显的优势,丰富了矿井涌水量预测方法,为智慧矿山的安全监测提供一种新型的技术手段,具有一定的理论价值和现实意义。 展开更多

关键词 矿井涌水量预测 变分模态分解VMD 深度学习 深度置信网络dbn 时间序列

下载PDF 职称材料

基于深度学习的太阳能电池片表面缺陷检测方法 被引量：87

2

作者 王宪保 李洁 +2 位作者 姚明海 何文秀 钱沄涛 《模式识别与人工智能》 EI CSCD 北大核心 2014年第6期517-523,共7页

目前对太阳能电池片的缺陷检测仍依赖人工完成,很难通过传统的CCD成像系统自动识别.作为一种多层神经网络学习算法,深度学习因对输入样本数据强大的特征提取能力而受到广泛关注.文中提出一种基于深度学习的太阳能电池片表面缺陷检测方法... 目前对太阳能电池片的缺陷检测仍依赖人工完成,很难通过传统的CCD成像系统自动识别.作为一种多层神经网络学习算法,深度学习因对输入样本数据强大的特征提取能力而受到广泛关注.文中提出一种基于深度学习的太阳能电池片表面缺陷检测方法,该方法首先根据样本特征建立深度置信网络(DBN),并训练获取网络的初始权值;然后通过BP算法微调网络参数,取得训练样本到无缺陷模板之间的映射关系;最后利用重构图像与缺陷图像之间的对比关系,实现测试样本的缺陷检测.实验表明DBN能较好地建立上述映射关系,且准确、快速地进行缺陷检测. 展开更多

关键词 深度学习 缺陷检测 限制玻尔兹曼机(RBM) 深度置信网络(dbn)

下载PDF 职称材料

基于PSO改进深度置信网络的滚动轴承故障诊断 被引量：41

3

作者 李益兵 王磊 江丽 《振动与冲击》 EI CSCD 北大核心 2020年第5期89-96,共8页

针对深度置信网络(Deep Belief Network,DBN)用于轴承故障诊断时,网络层结构调试比较费时等问题,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)的DBN算法,以及基于该算法的轴承故障诊断模型。该模型利用PSO算法优选DBN网络... 针对深度置信网络(Deep Belief Network,DBN)用于轴承故障诊断时,网络层结构调试比较费时等问题,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)的DBN算法,以及基于该算法的轴承故障诊断模型。该模型利用PSO算法优选DBN网络结构,并通过自适应时刻估计法微调模型参数,随后运用具有最优结构的DBN模型直接从原始振动信号中提取低维故障特征,并将其输入到Soft-max分类器中识别轴承的故障模式。该算法与支持向量机、BP神经网络、DBN、堆叠降噪自编码等方法进行对比分析,实验结果表明,PSO改进的DBN算法具有更高的准确率以及更好的鲁棒性。 展开更多

关键词 深度置信网络(dbn) 粒子群优化算法(PSO) 自适应时刻估计 滚动轴承 故障诊断

下载PDF 职称材料

基于改进VMD和深度置信网络的风机易损部件故障预警 被引量：37

4

作者 郑小霞 陈广宁 +1 位作者 任浩翰 李东东 《振动与冲击》 EI CSCD 北大核心 2019年第8期153-160,179,共9页

考虑到风电机组运行时监测到的轴承、齿轮等易损部件的振动信号早期故障特征微弱且难以提取,提出了基于变分模态分解的风机易损部件故障特征提取方法,并采用深度置信网络对故障进行预警。为克服变分模态分解参数选取对特征提取效果的影... 考虑到风电机组运行时监测到的轴承、齿轮等易损部件的振动信号早期故障特征微弱且难以提取,提出了基于变分模态分解的风机易损部件故障特征提取方法,并采用深度置信网络对故障进行预警。为克服变分模态分解参数选取对特征提取效果的影响,基于各分量的相关系数确定分解个数,并采用粒子群算法来优化惩罚因子,将改进的变分模态分解用于振动信号进行分析处理;在此基础上,进一步提取各分量的排列熵和均方根值并将其构成的高维特征向量作为深度置信网络的输入,建立早期故障诊断模型;选取风机传动故障诊断实验平台早期故障数据和某风电机组的现场信号进行故障诊断分析。结果表明,该方法能准确稳定地提取风机易损部件故障信号的微弱特征,并进行故障有效识别,提高了风机易损部件故障预警的准确性。 展开更多

关键词 变分模态分解 多特征提取(VMD) 深度置信网络(dbn) 故障诊断

下载PDF 职称材料

基于深度置信网络与信息融合的齿轮故障诊断方法 被引量：22

5

作者 李益兵 黄定洪 +1 位作者 马建波 江丽 《振动与冲击》 EI CSCD 北大核心 2021年第8期62-69,共8页

针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法。通过多传感器信息融合技术对每个传感器采... 针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法。通过多传感器信息融合技术对每个传感器采集的振动信号进行数据层融合;利用DBN进行自适应特征提取从而实现故障分类。为了避免因人为选择DBN结构参数,导致模型识别精度下降的问题,利用改进的混合蛙跳算法(ISFLA)对DBN结构参数进行优化。试验表明,与BP神经网络、未经优化的DBN以及单传感器故障诊断相比,该研究提出的信息融合及优化方法具有更高的故障识别精度。 展开更多

关键词 故障诊断 深度置信网络(dbn) 改进混合蛙跳算法(ISFLA) 多传感器信息融合 齿轮

下载PDF 职称材料

基于深度置信网络的近距空战态势评估 被引量：21

6

作者 张彬超 寇雅楠 +1 位作者 邬蒙 左家亮 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第7期1450-1459,共10页

针对传统态势评估方法权值确定困难、大规模数据处理和特征提取能力不足的问题,结合当前空战数据特征,将深度置信网络(DBN)应用于近距空战态势评估。通过密度峰值算法对空战特征数据进行聚类分析,并结合态势函数和专家判读进行修正,建... 针对传统态势评估方法权值确定困难、大规模数据处理和特征提取能力不足的问题,结合当前空战数据特征,将深度置信网络(DBN)应用于近距空战态势评估。通过密度峰值算法对空战特征数据进行聚类分析,并结合态势函数和专家判读进行修正,建立标准空战态势样本库;以重构误差和测试错误率为基础,建立网络拓扑结构和最优参数确定方法,提高模型的训练效率,并通过样本数据,对模型进行训练和验证。实验表明,模型态势分类正确率达到92.7%,模型运行时间满足应用需求,实例评估结果与客观态势一致性强。 展开更多

关键词 深度置信网络(dbn) 态势评估 半监督学习 网络拓扑结构 密度峰值聚类

下载PDF 职称材料

大数据下的深度学习研究 被引量：18

7

作者 王金甲 陈浩 刘青玉 《高技术通讯》 北大核心 2017年第1期27-37,共11页

给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(D... 给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(DBN)和大规模递归神经网络(RNN)进行了重点论述。分析了大数据的容量、多样性、速率特征,介绍了大规模数据、多样性数据、高速率数据下的深度学习方法。展望了大数据背景下深度学习的发展前景,指出在不远的将来,大数据与深度学习融合的技术将会在计算机视觉、机器智能等多个领域获得突破性进展。 展开更多

关键词 大数据 深度学习 卷积神经网络(CNN) 深度置信网络(dbn) 递9-3神经网络(RNN)

下载PDF 职称材料

基于种蛋图像血线特征和深度置信网络的早期鸡胚雌雄识别 被引量：12

8

作者 祝志慧 汤勇 +3 位作者 洪琪 黄飘 王巧华 马美湖 《农业工程学报》 EI CAS CSCD 北大核心 2018年第6期197-203,共7页

为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大... 为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大类间方差阈值分割和八连通域去噪等方法凸显血线纹理,并通过方向梯度直方图(histogram of oriented gradient,HOG)提取图像的全信息特征和利用灰度共生矩阵提取能量、对比度、相关性、熵、均匀度等5个特征,对HOG全信息特征采用主成分分析(principal component analysis,PCA)降维,最后利用全信息特征和PCA降维特征-灰度共生矩阵特征组合的简化特征,分别构建支持向量机(support vector machine,SVM)、反向传递(back propagation,BP)神经网络、深度置信网络(deep belief networks,DBN)3种鸡胚雌雄识别模型,并比较不同模型的识别准确率。试验中,全信息特征比简化特征构建的模型识别准确率高,基于简化特征的BP、SVM、DBN模型测试集识别综合准确率分别为51.67%、60%和58.33%,基于全信息特征的BP、SVM、DBN模型测试集识别综合准确率分别为58.33%、63.33%和83.33%。其中,基于全信息特征的DBN模型识别准确率最高,达到83.33%。结果表明机器视觉技术为孵化早期鸡胚雌雄识别提供了一种可行方法。 展开更多

关键词 机器视觉 无损检测 模型 血线特征 深度置信网络(dbn) 鸡胚 雌雄 识别

下载PDF 职称材料

基于深度置信网络(DBN)的赤潮高光谱遥感提取研究 被引量：9

9

作者 姜宗辰 马毅 +1 位作者 江涛 陈琛 《海洋技术学报》 2019年第2期1-7,共7页

赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief N... 赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief Network,DBN)兼具监督分类与非监督分类的特点,通过构建DBN模型,将DBN应用于赤潮灾害遥感监测中,应用渤海机载高光谱遥感数据开展赤潮分类,以达到提取高光谱图像中赤潮水体范围的目的。通过设置对照实验,对比经典的SVM监督分类方法与ISODATA非监督分类方法,发现DBN模型在相同实验条件下具有更高的分类精度,赤潮遥感提取精度提高了3%～11%。 展开更多

关键词 赤潮 高光谱遥感 分类 深度置信网络(dbn)

下载PDF 职称材料

改进的深度置信网络分类算法研究 被引量：9

10

作者 徐毅 李蓓蓓 宋威 《计算机科学与探索》 CSCD 北大核心 2019年第4期596-607,共12页

深度置信网络(deep belief network,DBN)通过逐层无监督学习进行训练,但训练过程中易产生大量冗余特征,进而影响特征提取能力。为了使模型更具有解释和辨别能力,基于对灵长类视觉皮层分析的启发,在无监督学习阶段的似然函数中引入惩罚... 深度置信网络(deep belief network,DBN)通过逐层无监督学习进行训练,但训练过程中易产生大量冗余特征,进而影响特征提取能力。为了使模型更具有解释和辨别能力,基于对灵长类视觉皮层分析的启发,在无监督学习阶段的似然函数中引入惩罚正则项,使用CD(contrastive divergence)训练最大化目标函数的同时,通过稀疏约束获得训练集的稀疏分布,可以使无标签数据学习到直观的特征表示。其次,针对稀疏正则项中存在的不变性问题,提出一种改进的稀疏深度置信网络,使用拉普拉斯函数的分布诱导隐含层节点的稀疏状态,同时将该分布中的位置参数用来控制稀疏的力度,即根据隐藏单元的激活概率与给定稀疏值的偏差程度而具有不同的稀疏水平。通过在MNIST和Pendigits手写体数据集上进行验证分析,并与多种现有方法相比,该方法始终达到最好识别准确度,并且具有良好的稀疏性能。 展开更多

关键词 深度置信网络(dbn) 似然函数 稀疏约束 拉普拉斯分布 位置参数

下载PDF 职称材料

基于深度置信网络的交直流配电网直流故障检测技术 被引量：5

11

作者 汪洋 杨仕伟 +3 位作者 王宝华 石旭初 曾明杰 张浩然 《电力工程技术》 北大核心 2023年第1期251-259,共9页

随着多源交直流配电网的发展,其直流故障检测技术已成为直流保护的关键。针对直流部分发生配电线路故障时故障电流大且上升迅速以及故障特征不易提取的特点,文中提出一种结合时域和频域特征提取的基于深度置信网络(deep belief network,... 随着多源交直流配电网的发展,其直流故障检测技术已成为直流保护的关键。针对直流部分发生配电线路故障时故障电流大且上升迅速以及故障特征不易提取的特点,文中提出一种结合时域和频域特征提取的基于深度置信网络(deep belief network,DBN)的交直流配电网故障检测技术。通过对故障等效回路进行特征分析,分别利用傅里叶变换和相模变换提取故障电流、电压信号的频域和时域特征作为DBN的输入,并使用Softmax分类器输出故障选极和故障区域识别结果。在PSCAD上搭建交直流配电网模型对算法进行测试,仿真结果表明,所提检测方法在线路分布电容和控制策略的影响下依然具有很高的准确性,且有很强的耐受噪声能力,同时进一步的算法对比实验说明故障特征提取和深度学习模型训练相结合能够完成交直流配电网复杂直流故障的检测。 展开更多

关键词 交直流配电网 深度置信网络(dbn) 特征提取 故障选极 故障识别 相模变换

下载PDF 职称材料

融合注意力机制的改进DBN变工况齿轮箱故障诊断方法 被引量：9

12

作者 张智禹 尹爱军 谭建 《振动与冲击》 EI CSCD 北大核心 2021年第14期47-52,共6页

针对齿轮箱在交变工况下运行时导致的故障模式难以识别、分类精度降低的问题,提出融合注意力机制的改进深度置信网络(DBN)变工况齿轮箱故障诊断方法。为解决齿轮箱单一时、频域特征反应故障信息不全面、异常不敏感问题,提取时域、频域... 针对齿轮箱在交变工况下运行时导致的故障模式难以识别、分类精度降低的问题,提出融合注意力机制的改进深度置信网络(DBN)变工况齿轮箱故障诊断方法。为解决齿轮箱单一时、频域特征反应故障信息不全面、异常不敏感问题,提取时域、频域、小波包时频域特征形成高维特征集。利用深度置信网络具有的贪心学习优势分别对其进行挖掘,同时结合注意力机制自适应对描述齿轮箱状态有效的特征给予更多“注意”,从而提高齿轮箱故障诊断精度。引进余弦损失函数降低深度置信网络对不同工况振动强度的敏感性,从而减轻网络拟合负担、提高泛化能力。齿轮箱变工况故障诊断试验结果表明,所提方法有效提高了变工况下齿轮箱故障诊断精度,同时具有很好的泛化能力。 展开更多

关键词 注意力机制 余弦损失函数 深度置信网络(dbn) 齿轮箱 变工况故障诊断

下载PDF 职称材料

基于JS-VME-DBN和MS-UMAP的行星齿轮箱故障诊断方法 被引量：2

13

作者 戚晓利 程主梓 +1 位作者 崔创创 杨艳 《航空动力学报》 EI CAS CSCD 北大核心 2024年第3期231-243,共13页

为了解决行星齿轮箱振动信号存在噪声干扰和特征提取困难的问题,提出一种基于水母搜索优化变分模态提取(JS-VME)、深度置信网络(DBN)和监督型马氏距离的均匀流形逼近与投影算法(MSUMAP)的行星齿轮箱故障诊断方法。采集行星齿轮箱的振动... 为了解决行星齿轮箱振动信号存在噪声干扰和特征提取困难的问题,提出一种基于水母搜索优化变分模态提取(JS-VME)、深度置信网络(DBN)和监督型马氏距离的均匀流形逼近与投影算法(MSUMAP)的行星齿轮箱故障诊断方法。采集行星齿轮箱的振动信号,利用JS-VME对其进行预处理,获得相关性较强的期望IMF(intrinsic mode function)分量;然后将该IMF分量应用DBN提取特征向量,构建高维故障特征集;采用MS-UMAP进行维数约减,获得低维、敏感的故障特征;将低维故障特征集应用水母搜索优化核极限学习机(JS-KELM)判别故障类型。行星齿轮箱故障诊断实验结果表明:与UMAP、t-SNE、Isomap、LPP、WIsomap、LLE、LTSA和MDS等方法相比,MS-UMAP算法对JS-VME-DBN的特征提取结果有着最佳的降维效果,所提方法对行星齿轮箱的裂纹、磨损和缺齿等故障的识别率达到了100%,具有一定的有效性。 展开更多

关键词 故障诊断 行星齿轮箱 变分模态提取(VME) 深度置信网络(dbn) 均匀流行逼近与投影算法(UMAP) 核极限学习机(KELM)

原文传递

重型多轮车辆半主动悬挂复合控制策略

14

作者 田恩彤 管继富 +1 位作者 高俊峰 曹立 《机械设计与制造》 北大核心 2024年第1期364-369,共6页

针对重型车辆半主动悬挂系统和其关键部件可调叶片式减振器,提出了一种含深度置信网络逆模型的分层复合控制策略。首先基于可调叶片式减振器在道路模拟实验台架上的试验数据建立了基于深度置信网络的逆模型,可以根据需求阻尼力反求出控... 针对重型车辆半主动悬挂系统和其关键部件可调叶片式减振器,提出了一种含深度置信网络逆模型的分层复合控制策略。首先基于可调叶片式减振器在道路模拟实验台架上的试验数据建立了基于深度置信网络的逆模型,可以根据需求阻尼力反求出控制电流。然后根据14自由度半车模型和单轮悬挂模型,分别建立了约束最优控制器和模糊控制器,通过一个S函数对二者进行加权分配并得到最终的需求阻尼控制力输出。基于Python和Matlab/Simulink环境搭建了虚拟试验平台,验证了深度置信网络逆模型的可行性,并对复合控制策略进行了仿真验证,结果表明,所提出的复合控制策略能够有效提高车辆的舒适性和安全性。 展开更多

关键词 半主动悬挂 可调叶片式减振器 深度置信网络(dbn) 约束最优控制 模糊控制 复合控制

下载PDF 职称材料

深度置信网络算法在公路边坡工程安全评价中的运用

15

作者 蒙国往 程懿 +2 位作者 吴波 叶华政 刘家乐 《安全与环境学报》 CAS CSCD 北大核心 2024年第2期470-478,共9页

针对传统边坡工程安全评价方法无法对边坡稳定性进行符合实际情况下工程安全评价的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)算法的公路边坡工程安全评价方法。首先,使用MATLAB建立模型;然后,对基于DBN算法的边坡稳定... 针对传统边坡工程安全评价方法无法对边坡稳定性进行符合实际情况下工程安全评价的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)算法的公路边坡工程安全评价方法。首先,使用MATLAB建立模型;然后,对基于DBN算法的边坡稳定性安全评价方法进行研究;最后,使用DBN算法在莆炎高速公路项目中进行公路边坡工程安全评价。结果显示:(1)与反向传播(Back Propagation,BP)神经网络相比,DBN模型得到的预测值误差更小,精度更高,计算复杂度更低、可扩展性更强;(2)在实际工程中,DBN算法能够有效地对众多非线性因素共同作用下的公路边坡进行符合实际的安全评价。 展开更多

关键词 安全工程 边坡稳定 深度置信网络(dbn)

下载PDF 职称材料

基于多域特征优化的航空发动机传感器智能故障诊断 被引量：2

16

作者 李慧慧 缑林峰 +1 位作者 陈映雪 李华聪 《推进技术》 EI CAS CSCD 北大核心 2023年第2期265-277,共13页

为解决对航空发动机传感器故障诊断时单域特征反映故障信息不全面问题,提出了一种基于优化的多域特征进行智能故障诊断的方法。该方法提取了传感器信号的时、频域特征和形态信息,共同组成多域特征,从多维度描述传感器的健康状况;并提出... 为解决对航空发动机传感器故障诊断时单域特征反映故障信息不全面问题,提出了一种基于优化的多域特征进行智能故障诊断的方法。该方法提取了传感器信号的时、频域特征和形态信息,共同组成多域特征,从多维度描述传感器的健康状况;并提出了一种新的元启发式算法—改进亨利气体溶解度优化算法(Boosted Henry gas solubility optimization,BHGSO)进行特征选择,尽量以最低维度但知识丰富的高品质信息来训练故障识别模型,以减轻计算负担,并提高诊断可靠性;最后将特征向量作为传感器的健康指标,基于深度置信网络(Deep belief network,DBN)实现智能故障诊断。仿真结果表明,该研究提出的方法能够对航空发动机传感器进行有效的故障诊断,且具有较高的准确度和较小的计算负担。 展开更多

关键词 航空发动机 传感器故障诊断 深度置信网络(dbn) 改进亨利气体溶解度优化算法(BHGSO) 多域特征

下载PDF 职称材料

基于GLCM-GMRF纹理特征和深度置信网络的SAR图像分类 被引量：5

17

作者 夏天 杨学志 艾加秋 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2020年第4期480-486,529,共8页

传统基于深度置信网络(deep belief network,DBN)的合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类方法受相干斑噪声影响严重,文章通过引入图像的纹理特征作为先验信息,反映像素间的空间关系和不同地物类型的独有特性,提出了一种... 传统基于深度置信网络(deep belief network,DBN)的合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类方法受相干斑噪声影响严重,文章通过引入图像的纹理特征作为先验信息,反映像素间的空间关系和不同地物类型的独有特性,提出了一种基于GLCM-GMRF纹理特征和DBN的SAR图像分类方法。该方法利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取SAR图像在空间上的灰度相关特征,同时利用高斯马尔可夫随机场(Gaussian Markov random field,GMRF)建立邻域像素间的统计相关特性,组合提取得到的GLCM-GMRF纹理特征与图像强度矢量,送入DBN网络进行学习和分类。采用RADARSAT-2数据进行实验验证,实验结果表明,与传统DBN、支持向量机(support vector machine,SVM)分类方法相比,该方法可以有效抑制相干斑噪声影响,取得更好的分类结果。 展开更多

关键词 SAR图像分类 深度学习 特征提取 深度置信网络(dbn) GLCM-GMRF纹理特征

下载PDF 职称材料

基于深度置信网络的制动器故障诊断方法 被引量：5

18

作者 李倩 刘惠康 +1 位作者 皮瑶 喻青 《高技术通讯》 CAS 2021年第10期1075-1080,共6页

针对吊车制动器故障诊断中故障机理复杂、先验知识欠缺、传统的故障诊断方法精度不高和人工依赖大等问题,本文提出一种基于深度置信网络(DBN)的制动器故障诊断方法。该方法通过柔性薄膜传感器阵列获取制动器不同工况的实时特征数据及信... 针对吊车制动器故障诊断中故障机理复杂、先验知识欠缺、传统的故障诊断方法精度不高和人工依赖大等问题,本文提出一种基于深度置信网络(DBN)的制动器故障诊断方法。该方法通过柔性薄膜传感器阵列获取制动器不同工况的实时特征数据及信号,利用网络的无监督特征学习和有监督微调,构建制动器故障诊断的深层网络模型,从而实现了对制动器的故障诊断及预测。最后,分别与支持向量机(SVM)和遗传算法(GA)优化的BP神经网络(GA-BP)进行了对比研究,通过实验证明了本文方法的优越性。 展开更多

关键词 深度置信网络(dbn) 吊车制动器 故障诊断 柔性薄膜传感器阵列

下载PDF 职称材料

结合DBN和CHMM的滚动轴承性能退化评估 被引量：1

19

作者 潘玉娜 魏婷婷 程道来 《机械科学与技术》 CSCD 北大核心 2023年第3期462-467,共6页

针对现有退化评估方法应用情境单一,特征指标筛选依赖人工经验,提出了一种基于深度置信网络(Deep belief network, DBN)和连续隐马尔科夫(Continuous hidden markov model, CHMM)相结合的滚动轴承性能退化评估方法。将滚动轴承正常状态... 针对现有退化评估方法应用情境单一,特征指标筛选依赖人工经验,提出了一种基于深度置信网络(Deep belief network, DBN)和连续隐马尔科夫(Continuous hidden markov model, CHMM)相结合的滚动轴承性能退化评估方法。将滚动轴承正常状态下的振动信号处理为归一化幅值谱,以此作为DBN特征自动提取模型的输入,并使用CHMM做评估模型,其中CHMM的训练样本即通过DBN提取的正常状态下的特征向量。通过不同情境下的滚动轴承全寿命周期实验数据验证了所提模型的有效性。与近期有关文献所提方法进行比较,该方法避免了人工选择特征指标,且对早期微弱故障检测具有一定的敏感性。 展开更多

关键词 滚动轴承 性能退化 深度置信网络(dbn) 连续隐马尔科夫(CHMM)

下载PDF 职称材料

基于双结构深度学习的滚动轴承故障智能诊断 被引量：4

20

作者 齐咏生 郭春雨 +2 位作者 师芳 高胜利 李永亭 《振动与冲击》 EI CSCD 北大核心 2021年第10期103-113,共11页

大型转动机械在工业生产过程中,轴承故障频发,呈现出一种“大数据”的特性,并且现场获取的故障数据往往是不完备和无标签的,亟需开发具有自学习能力的诊断算法。针对该研究提出一种基于双结构深度学习的轴承故障类型与损伤程度的智能诊... 大型转动机械在工业生产过程中,轴承故障频发,呈现出一种“大数据”的特性,并且现场获取的故障数据往往是不完备和无标签的,亟需开发具有自学习能力的诊断算法。针对该研究提出一种基于双结构深度学习的轴承故障类型与损伤程度的智能诊断算法。该方法使用不完备的数据建模,分为故障类型自学习网络和故障损伤等级识别网络两个结构。对轴承故障信号进行形态学滤波,抑制部分噪声,增强信号的脉冲特征;对消噪后信号进行S变换得到时频图,获取故障类型的共性特征;并将时频图作为卷积神经网络(CNN)的输入,利用网络的相似性度量在目标空间对同类型样本汇聚、不同类型样本分离,实现对轴承故障类型的分类与新故障类型的自学习。将实现故障类型分类的信号经归一化处理后作为深度置信网络(DBN)的输入,利用DBN对微小故障的敏感性对不同损伤程度的差异特征进行提取,之后将提取的特征作为贝叶斯分类器的输入,依据后验概率判别规则实现故障损伤等级自主识别。将该方法应用于西储大学实验平台的滚动轴承故障数据,结果表明,该方法在不完备数据建模的情况下,不仅能完成故障类型与损伤等级的准确分类,而且还能实现故障自学习和损伤等级自增长,增强了诊断过程的智能性。 展开更多

关键词 卷积神经网络(CNN) 深度置信网络(dbn) 贝叶斯分类器 滚动轴承 相似性度量 不完备数据建模

下载PDF 职称材料