基于小波分析与深度学习的工业过程故障分类
发布时间：2021-07-31 00:34
高信息化水平的工业过程故障管理平台对设备的维护与检修具有重要的作用,而故障分类技术是其中的重要一环。工业界通常采用统计分析、小波分析等传统的数据驱动方法,利用数理统计信息或时域、频域和空间域的信息对故障建立模型,具有较强的解释性与可靠性。而最新发展的深度学习算法取得了强劲的性能,但其可解释性和理论适用性较差。可将深度学习与传统方法相结合,以进一步提高故障分类的精度。在传统的故障分类技术中,常使用小波变换对信号进行去噪处理,但也舍弃了故障的部分频率分量。通过端对端设计的离散小波变换,可自适应地提取所需的频域特征,并结合深度残差网络以进一步提取出故障在频域内的深层模式。实验结果表明该算法在故障分类任务中取得了良好的效果。针对自编码器算法在特征提取中的盲目性问题,提出了小波自编码器（Wavelet Auto-encoder,简称WAE）对信号数据进行空间域的聚焦描述,使之更适用于分类任务。并将小波自编码器与深度残差网络相结合搭建了分类模型,实验结果表明该算法优于自编码器等常规深度学习算法。在现有卷积神经网络的应用中,通常对信号数据设置二维的感受野以提取时域、空间域的关联特征。但这将对变量的排...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
Mallat算法架构
基于 Mallot 算法，可将子小波设计为： = √ (2-7)其中 = = ， = ， , 一般可设为 2 和 1，这可将信号分解为无冗余的展开式，这样的子小波也被称为二进小波。2.2. 机器学习方法2.2.1. 神经网络与反向梯度传播优化算法自从Rumelhar和Hinton于1986年提出了反向梯度传播（Back-propagation，简称 BP）[49]算法，对人工神经网络（Artificial Neural Network，简称 ANN）的研究开启了新的纪元。典型的神经网络由三层构成，输入层的输入数据通过权重连接至隐层中的含有偏置项的内部表示单元，再通过权重连接至输出单元，从而得到输出量，如图 2-2 所示。
图 2-2 小波神经网络结构图N 网络输出的表达式可写为：y= ( ) = π π ( ) 维的输入向量， ( )为 维的小波向量，其表达式为： ( ) = ( ) ( ) ( ) π)为母小波函数， 的表达式为： = ， = ， = 为平移因子， 为伸缩因子，则 写为 = ( )。编码器码器是一种无监督学习算法[56]，它将目标输出 ′与输入 的误调整权重与偏置；换言之，自编码器尝试通过隐藏层单元的非
【参考文献】：
期刊论文
[1]论电气设备的运行维护及故障检修[J]. 王金龙. 山东工业技术. 2018(11)
[2]智能生产系统构建方法及其关键技术研究[J]. 王焱,王湘念,王晓丽,卢志军,姬学庄. 航空制造技术. 2018(Z1)
[3]基于改进堆叠降噪自编码的滚动轴承故障分类[J]. 侯文擎,叶鸣,李巍华. 机械工程学报. 2018(07)
[4]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[5]DCS集散控制系统故障与维护管理方案设计[J]. 杨天永. 通讯世界. 2017(04)
[6]复杂工业过程质量相关的故障检测与诊断技术综述[J]. 彭开香,马亮,张凯. 自动化学报. 2017(03)
[7]电气设备故障的判别和检修剖析[J]. 丁瑞娟. 山东工业技术. 2016(03)
[8]打造大数据驱动的智能制造业[J]. 冯国华. 中国工业评论. 2015(04)
[9]基于数据驱动的故障诊断方法综述[J]. 李晗,萧德云. 控制与决策. 2011(01)
[10]基于短时傅里叶变换的肌电信号识别方法[J]. 蔡立羽,王志中,张海虹. 中国医疗器械杂志. 2000(03)
博士论文
[1]信号小波理论与一体化小波分析仪的研究[D]. 秦毅.重庆大学 2008
本文编号：3312413
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
Mallat算法架构
基于 Mallot 算法，可将子小波设计为： = √ (2-7)其中 = = ， = ， , 一般可设为 2 和 1，这可将信号分解为无冗余的展开式，这样的子小波也被称为二进小波。2.2. 机器学习方法2.2.1. 神经网络与反向梯度传播优化算法自从Rumelhar和Hinton于1986年提出了反向梯度传播（Back-propagation，简称 BP）[49]算法，对人工神经网络（Artificial Neural Network，简称 ANN）的研究开启了新的纪元。典型的神经网络由三层构成，输入层的输入数据通过权重连接至隐层中的含有偏置项的内部表示单元，再通过权重连接至输出单元，从而得到输出量，如图 2-2 所示。
图 2-2 小波神经网络结构图N 网络输出的表达式可写为：y= ( ) = π π ( ) 维的输入向量， ( )为 维的小波向量，其表达式为： ( ) = ( ) ( ) ( ) π)为母小波函数， 的表达式为： = ， = ， = 为平移因子， 为伸缩因子，则 写为 = ( )。编码器码器是一种无监督学习算法[56]，它将目标输出 ′与输入 的误调整权重与偏置；换言之，自编码器尝试通过隐藏层单元的非
【参考文献】：
期刊论文
[1]论电气设备的运行维护及故障检修[J]. 王金龙. 山东工业技术. 2018(11)
[2]智能生产系统构建方法及其关键技术研究[J]. 王焱,王湘念,王晓丽,卢志军,姬学庄. 航空制造技术. 2018(Z1)
[3]基于改进堆叠降噪自编码的滚动轴承故障分类[J]. 侯文擎,叶鸣,李巍华. 机械工程学报. 2018(07)
[4]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[5]DCS集散控制系统故障与维护管理方案设计[J]. 杨天永. 通讯世界. 2017(04)
[6]复杂工业过程质量相关的故障检测与诊断技术综述[J]. 彭开香,马亮,张凯. 自动化学报. 2017(03)
[7]电气设备故障的判别和检修剖析[J]. 丁瑞娟. 山东工业技术. 2016(03)
[8]打造大数据驱动的智能制造业[J]. 冯国华. 中国工业评论. 2015(04)
[9]基于数据驱动的故障诊断方法综述[J]. 李晗,萧德云. 控制与决策. 2011(01)
[10]基于短时傅里叶变换的肌电信号识别方法[J]. 蔡立羽,王志中,张海虹. 中国医疗器械杂志. 2000(03)
博士论文
[1]信号小波理论与一体化小波分析仪的研究[D]. 秦毅.重庆大学 2008
本文编号：3312413
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3312413.html
