《基于深度信念网络和多信息融合的复杂机电装备故障诊断方法》PDF+DOC
作者:刘秀丽,徐小力
单位:中国机械工程学会;广州机械科学研究院
出版:《机床与液压》2019年第01期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFJCYY2019010350
DOC编号:DOCJCYY2019010359
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器信息融合的焦煤机械液压系统故障诊断研究》PDF+DOC2017年第17期 韩笑
《旋转机械故障诊断的量子神经网络算法》PDF+DOC2006年第01期 朱大奇,陈尔奎
《液压泵信息融合故障诊断》PDF+DOC2005年第04期 王少萍,苑中魁,杨光琴
《基于多传感器信息融合和神经网络的汽轮机故障诊断研究》PDF+DOC2010年第03期 凌六一,黄友锐,魏圆圆
《多特征信息融合的贝叶斯网络故障诊断方法研究》PDF+DOC2010年第08期 姜万录,刘思远
《基于模糊故障特征信息的随机集度量信息融合诊断方法》PDF+DOC2009年第07期 徐晓滨,文成林,王迎昌
《基于多传感器信息融合的矿井通风机故障诊断》PDF+DOC2008年第06期 凌六一,黄友锐
《多传感器信息融合在电机绝缘故障诊断中的应用》PDF+DOC2007年第02期 林波,程珩
《基于证据推理规则的信息融合故障诊断方法》PDF+DOC2015年第09期 徐晓滨,郑进,徐冬玲,杨剑波
《基于极限学习机的航空发动机传感器故障诊断》PDF+DOC2014年第08期 孙毅刚,刘静雅,赵珍
针对复杂机电装备故障诊断中存在的数据量大、提取故障特征困难等问题,结合深度学习理论强大的感知与自我学习能力,提出一种基于深度信念网络和多信息融合的复杂机电装备故障诊断方法。将多个传感器的原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性,同时在训练过程采用ReLu激活函数和加入Batch Normalization,减少过拟合出现概率的同时提高了网络收敛的速度。将此方法运用到复杂数控加工中心刀具的故障诊断中,结果表明该方法相比传统BPNN算法和采用Sigmoid激活函数的深度神经网络算法准确率更高。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。