發(fā)布時間：2017-11-02 01:19

  本文關鍵詞：基于深度信念網絡的信號重構與軸承故障識別

  更多相關文章： 特征提取 受限玻爾茲曼機 DBN 深度學習 故障識別

【摘要】：針對傳統(tǒng)智能識別需要復雜的特征提取過程,增加了操作的難度和不確定性,采用深度信念網絡(Deep Belief Network,DBN)直接從原始數(shù)據對故障智能識別的方法。該方法避免了人工特征提取過程,增強了識別的智能性。將以原始數(shù)據為輸入的DBN應用于軸承故障識別,接近100%正確識別率的實驗結果表明:DBN可以直接通過原始數(shù)據對軸承故障進行高效識別。
【作者單位】： 華南理工大學機械與汽車工程學院;
【關鍵詞】： 特征提取 受限玻爾茲曼機 DBN 深度學習 故障識別
【分類號】：TP391.41
【正文快照】： 故障智能識別實質上是通過機器學習對能刻畫故障的特征進行故障識別,因此選定的特定特征是智能診斷的關鍵影響因素。應用于機械故障智能診斷領域的特定特征可分為三類,即單變量特征,多變量特征和圖像特征。單變量特征是指只有一個變量特征,如峭度,特征頻率等,其相對簡單,易于

【相似文獻】

中國期刊全文數(shù)據庫 前2條

1 蔣加伏;袁承偉;;融合PCA與LDA變換的仿生人臉識別研究[J];計算機工程與應用;2010年19期

2 ;[J];;年期

，

本文編號：1129361