基于深度信念网络的信号重构与轴承故障识别

发布时间：2017-11-02 01:19

  本文关键词：基于深度信念网络的信号重构与轴承故障识别

  更多相关文章： 特征提取 受限玻尔兹曼机 DBN 深度学习 故障识别

【摘要】：针对传统智能识别需要复杂的特征提取过程,增加了操作的难度和不确定性,采用深度信念网络(Deep Belief Network,DBN)直接从原始数据对故障智能识别的方法。该方法避免了人工特征提取过程,增强了识别的智能性。将以原始数据为输入的DBN应用于轴承故障识别,接近100%正确识别率的实验结果表明:DBN可以直接通过原始数据对轴承故障进行高效识别。
【作者单位】： 华南理工大学机械与汽车工程学院;
【关键词】： 特征提取 受限玻尔兹曼机 DBN 深度学习 故障识别
【分类号】：TP391.41
【正文快照】： 故障智能识别实质上是通过机器学习对能刻画故障的特征进行故障识别,因此选定的特定特征是智能诊断的关键影响因素。应用于机械故障智能诊断领域的特定特征可分为三类,即单变量特征,多变量特征和图像特征。单变量特征是指只有一个变量特征,如峭度,特征频率等,其相对简单,易于

【相似文献】

中国期刊全文数据库 前2条

1 蒋加伏;袁承伟;;融合PCA与LDA变换的仿生人脸识别研究[J];计算机工程与应用;2010年19期

2 ;[J];;年期

，

本文编号：1129361