基于稀疏自动编码深度神经网络的感应电动机故障诊断

发布时间：2017-10-10 20:32

  本文关键词：基于稀疏自动编码深度神经网络的感应电动机故障诊断

  更多相关文章： 稀疏自动编码器 深度神经网络 去噪编码 dropout 故障诊断

【摘要】：针对目前感应电动机故障诊断大多采用监督学习提取故障特征的现状,提出一种将去噪编码融入稀疏自动编码器的深度神经网络,实现非监督学习的特征提取并用于感应电动机的故障诊断。稀疏自动编码器通过自动学习复杂数据的内在特征来提取简明的数据特征表达。为提高特征表达的鲁棒性,在稀疏编码器的基础上融入去噪编码,提取更有效的特征表达用来训练神经网络分类器进而完成整个深度神经网络的构建,并结合反向传播算法对深度神经网络进行整体微调,提升故障分类的准确度。整个训练过程引入"dropout"训练技巧,减少因过拟合带来的预测误差。试验结果表明,相比传统反向传播(Back propagation,BP)神经网络,提出的深度神经网络能更有效地实现感应电动机故障诊断。
【作者单位】： 东南大学仪器科学与工程学院;
【关键词】： 稀疏自动编码器 深度神经网络 去噪编码 dropout 故障诊断
【基金】：国家自然科学基金资助项目(51575102)
【分类号】：TM346;TP183
【正文快照】： 0前言*电动机作为一种必不可缺的驱动装置,在现代工业生产中占据着重要地位。对电动机进行实时的状态监测与故障诊断,不仅可保证电动机的正常运作,而且能够及时发现问题并进行维修,避免不必要的损失[1]。现阶段,电动机的故障诊断大多是通过对各种状态参数的检测与分析来判断其

【相似文献】

中国期刊全文数据库 前10条

1 王清太;段毅;;神经网络在某交流伺服系统建模中的应用[J];火力与指挥控制;2008年11期

2 郁云;魏瑾;;锅炉生产过程的神经网络建模方法研究[J];电脑知识与技术;2008年34期

3 马玲玲;郑宾;马圆圆;;基于神经网络PID智能复合控制方法研究[J];计量与测试技术;2009年03期

4 杨琦;张建华;王向峰;李卫国;;基于小波-神经网络的风速及风力发电量预测[J];电网技术;2009年17期

5 吴珂;杨丽霞;王海瑞;;量子神经网络在电力谐波检测中的应用[J];计算机与数字工程;2012年02期

6 厉卫娜;苏小林;;基于小波-神经网络的风电功率短期预测[J];山西电力;2012年02期

7 吴巍;;神经网络在继电器中的应用研究[J];信息系统工程;2012年05期

8 刘瑾;杨海马;陈抱雪;曾启o，

本文编号：1008493