期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
堆叠自编码网络性能优化及其在滚动轴承故障诊断中的应用 被引量：32
1
作者 张西宁 向宙 +1 位作者 夏心锐 李立帆 《西安交通大学学报》 EI CAS CSCD 北大核心 2018年第10期49-56,87,共9页
为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待... 为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待学习参数进行缩放和平移,最后通过激活函数输出到下一级神经元。运用带标准化的堆叠自编码网络进行滚动轴承故障诊断,将振动信号的频谱输入到网络中。与普通堆叠自编码网络相比,该标准化策略可有效地使网络编码值均匀分布,如将第一层编码值的熵从0.88bit提高到了16.29bit。带标准化的堆叠自编码网络可有效提高网络的抗噪能力和训练速度:在凯斯西储大学滚动轴承数据集上,当人为添加噪声信号的信噪比为0dB时,识别正确率从16.18%提高到了100%;在实验室实测数据集上,不仅训练时间下降了37.22%,而且识别正确率从97.93%提高到了99.95%。对网络的编码值进行分析以及引入的标准化策略,可为科研技术人员构建堆叠自编码网络时提供参考,也为滚动轴承故障诊断提供了一种策略。 展开更多
关键词 故障诊断 堆叠自编码网络 标准化 滚动轴承
下载PDF
基于改进堆栈自编码器的变压器故障诊断模型 被引量：7
2
作者 赵冬梅 王闯 马泰屹 《华北电力大学学报（自然科学版）》 CAS 北大核心 2020年第6期61-67,共7页
为了增强自编码器的特征提取能力,更好的利用变压器故障时产生的大量无标签数据,将批量标准化(Batch Normalizaion,BN)引入了传统堆栈自编码器(Stacked auto-encoder,SAE)的编码和解码过程,形成了改进堆栈自编码器(BN-SAE)。以单层AE作... 为了增强自编码器的特征提取能力,更好的利用变压器故障时产生的大量无标签数据,将批量标准化(Batch Normalizaion,BN)引入了传统堆栈自编码器(Stacked auto-encoder,SAE)的编码和解码过程,形成了改进堆栈自编码器(BN-SAE)。以单层AE作为底层网络,输入样本为变压器油中溶解气体含量,通过仿真确定神经网络的结构,用无标签数据对网络进行无监督学习,提取变压器故障特征信息,最后输入有标签数据通过反向传播算法对网络进行微调。算例分析表明,BN-SAE相比于传统的SAE与AE,训练误差更小,特征提取更佳,对变压器故障分类的准确率更高,并且少数类故障样本也可以得到很好的分类。 展开更多
关键词 变压器 故障诊断 堆栈自编码器 批量归一化 深度学习
下载PDF
基于批标准化的堆叠自编码网络风电机组变桨系统故障诊断 被引量：4
3
作者 王思华 王恬 +3 位作者 周丽君 王宇 陈天宇 赵珊鹏 《太阳能学报》 EI CAS CSCD 北大核心 2022年第2期394-401,共8页
为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型。针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softma... 为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型。针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softmax函数,得到变桨系统各部件故障发生概率。以均方误差最小化为目标,采用Adam算法迭代训练数据,使模型参数得到更新。在风电机组变桨系统数据采集与监视控制(SCADA)系统中的数据集中,对优化前后的SAE网络通过改变迭代次数、样本数量进行实验,结果表明,优化后的SAE网络模型具有更好的识别精度;另外,在不同样本数量的实验中,与其他传统模型相比,优化后的SAE网络模型故障识别率也更高,表明其在风电机组故障诊断领域有一定的应用价值。 展开更多
关键词 风电机组 变桨系统 故障诊断 批标准化 堆叠自编码
下载PDF
堆叠自编码器在锚杆锚固缺陷类型识别中的应用 被引量：1
4
作者 王明明 王莎 +2 位作者 邢卉 孙晓云 路霖 《中国矿业》 北大核心 2020年第7期81-85,共5页
为了解决传统特征提取方法依赖人工经验,无法挖掘数据深层次的特征而降低锚杆锚固缺陷识别准确率的问题,本文提出一种基于自动选层堆叠自编码器特征提取的锚杆锚固缺陷识别算法。该算法首先利用Adam优化算法对重构误差进行优化,自动确... 为了解决传统特征提取方法依赖人工经验,无法挖掘数据深层次的特征而降低锚杆锚固缺陷识别准确率的问题,本文提出一种基于自动选层堆叠自编码器特征提取的锚杆锚固缺陷识别算法。该算法首先利用Adam优化算法对重构误差进行优化,自动确定堆叠编码器网络深度及参数,从而有效提高提取特征对缺陷的敏感度;然后利用Softmax多分类器对提取的特征信号进行锚杆锚固缺陷识别;最后通过数值模拟和物理模拟两种方法对所提算法进行了验证。结果表明:基于自动选层堆叠编码器的特征提取方法,能有效提取锚杆锚固缺陷特征,使得数值模拟和物理模拟缺陷平均识别率均达到97%以上。 展开更多
关键词 缺陷识别 自动选层网络 堆叠自编码器 特征提取 锚杆锚固
下载PDF
采用高光谱图像深度特征检测水稻种子活力等级 被引量：12
5
作者 孙俊 张林 +3 位作者 周鑫 武小红 沈继锋 戴春霞 《农业工程学报》 EI CAS CSCD 北大核心 2021年第14期171-178,共8页
为实现水稻种子活力的准确检测,该文研究了一种基于高光谱图像技术结合深度学习的高精度检测方法。采用人工加速老化的方式得到老化0,1,2和3 d的1200个水稻种子样本,使用高光谱成像设备获取不同老化天数样本的高光谱图像,并从单个样本... 为实现水稻种子活力的准确检测,该文研究了一种基于高光谱图像技术结合深度学习的高精度检测方法。采用人工加速老化的方式得到老化0,1,2和3 d的1200个水稻种子样本,使用高光谱成像设备获取不同老化天数样本的高光谱图像,并从单个样本区域提取其光谱信息。随后对1200个样本进行发芽试验,根据发芽试验结果将所有样本划分为高活力、低活力和无活力3个等级。采用小波阈值去噪(Wavelet Threshold Denoising,WTD)结合一阶导数(First/1st Derivative,FD)的方法(WTD-FD)对原始光谱进行预处理,使用主成分分析(Principal Component Analysis,PCA)和堆叠自动编码器(Stacked Auto-Encoder,SAE)分别从预处理光谱中提取特征变量。分别基于PCA和SAE特征变量构建支持向量机(Support Vector Machine,SVM)模型,并根据模型准确率确定较佳模型,最后使用灰狼优化算法(Grey Wolf Optimizer,GWO)对选择的模型进行参数优化。结果显示WTD-FD对原始光谱的预处理是有效的,使用从预处理光谱中提取的SAE非线性深层特征相比于PCA线性特征更具有代表性,基于其建立的SAE-SVM模型的准确率达到96.47%。SAE-SVM模型经过GWO优化之后,模型准确率提高到98.75%。研究结果表明,高光谱图像技术结合深度学习方法对水稻种子活力等级准确检测具有指导意义。 展开更多
关键词 无损检测 模型 优化 高光谱图像 水稻种子 活力检测 堆叠自动编码器
下载PDF
基于深度SSDAE网络的刀具磨损状态识别
6
作者 郭润兰 尉卫卫 +1 位作者 王广书 黄华 《振动．测试与诊断》 EI CSCD 北大核心 2024年第2期305-312,410,411,共10页
针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网... 针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网络的刀具磨损状态识别方法,实现隐藏在数据中深层次的数据特征自动挖掘。首先,将原始振动信号分解为一系列固有模态分量(intrinsic mode function,简称IMF),并采用皮尔逊相关系数法选取了最优固有模态来组合一个新的信号;其次,采用SSDAE网络自适应提取特征后对刀具磨损阶段进行了状态识别,识别精度达到98%;最后,对网络模型进行实验验证,并与最常用的刀具磨损状态识别方法进行了对比。实验结果表明,所提出的方法能够很好地处理非平稳振动信号,对不同刀具磨损阶段状态的识别效果良好,并具有较好的泛化性能和可靠性。 展开更多
关键词 深度堆叠稀疏自编码网络 变分模态分解 K-最近邻分类器 自适应特征提取 状态识别
下载PDF
基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型 被引量：5
7
作者 刘辉 张超勇 戴稳 《计算机集成制造系统》 EI CSCD 北大核心 2021年第10期2801-2812,共12页
刀具磨损状态是机械加工过程中需考虑的重要因素之一。针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型。首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、... 刀具磨损状态是机械加工过程中需考虑的重要因素之一。针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型。首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本。其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络。然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练。最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性。 展开更多
关键词 铣刀磨损 堆叠稀疏去噪自动编码网络 特征后处理 鲁棒性 反向传播神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部