收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度特征学习的振动状态识别方法

侯栋楠  
【摘要】:针对基于信号处理技术的故障诊断方法需要依赖人工特征提取和专家的知识,以及基于传统机器学习理论下的故障诊断方法学习深度不足、特征提取困难等问题,提出了基于深度特征学习的振动状态识别方法。该方法以深度神经网络(Deep Neural Networks,DNN)为基础,以一维数据结构为处理对象,能够深层次的、自适应的提取振动信号特征,学习信号的特征表示,实现特征提取和状态识别过程的统一。同时,该方法能端到端进行故障诊断,是一种智能的故障诊断方法。首先,提出了基于一维卷积神经网络(Convolutional Neural Networks,CNNs)的转子故障诊断方法。该方法振动信号的一维向量输入到一维CNN进行分析,利用CNN强大的特征学习和提取能力,从原始振动信号中深度学习不同故障状态的特征,并最终实现信号状态的识别。其次,针对实际故障中振动信号成分复杂、非线性、非平稳性强等影响深度学习效果的问题,将HVD方法和多特征信息融合技术引入到振动信号的深度学习过程中,提出了基于VCNN多特征融合学习的转子故障诊断方法。该方法首先对多个传感器采集的振动信号进行HVD分解得到各阶模态分量,然后将其融合为多特征信息矩阵,再以多向量的形式输入到VCNN模型进行特征学习与分类。由于多特征信息矩阵能更好的表示设备的状态特征,因此有利于提高深度学习模型对故障的识别精度。然后,针对VCNN在处理一维振动信号时提取整体特征困难的问题,从深度学习过程进行优化,设计了一种FVDNN算法。该算法针对CNN学习振动信号时因为局部感受野的特性所受的限制,引入了全连接神经网络的来模拟传统信号处理技术处理信号的过程,使深度学习模拟能自适应的、全面的提取信号的特征。最终,通过建立转子故障数据集对以上诊断方法中神经网络结构进行实验研究,得到最适用于故障分类的网络参数,构建了诊断模型。并通过与其他机器学习诊断方法进行实验对比研究,证明了基于深度学习的振动故障诊断方法在诊断精度上具有一定的优越性。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 刘高宇;;深度神经网络在煤质数据分析与预测中的应用[J];电脑知识与技术;2019年28期
3 冯伟业;廖可非;欧阳缮;牛耀;;基于胶囊神经网络的合成孔径雷达图像分类方法[J];科学技术与工程;2019年28期
4 温赞扬;;基于群智优化神经网络的音乐风格分类模型研究[J];现代电子技术;2019年21期
5 郑丽;;建筑设计中神经网络技术与遗传算法探究[J];湖北农机化;2019年21期
6 易炜;何嘉;邹茂扬;;基于循环神经网络的对话系统记忆机制[J];计算机工程与设计;2019年11期
7 黄为;李永刚;胡上成;汪毅;;基于循环神经网络的船摇数据实时预测[J];科学技术与工程;2019年31期
8 赖策;魏小琴;;卷积神经网络的训练方式研究[J];信息与电脑(理论版);2019年22期
9 周济民;;基于神经网络改进的元胞自动机分析——美国阿片类药物滥用情况[J];信息系统工程;2019年11期
10 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
11 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
12 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
13 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
14 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
15 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
4 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
5 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
6 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
7 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
8 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
9 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
10 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
中国硕士学位论文全文数据库 前10条
1 白会杰;基于人工智能的光伏发电短期功率预测技术[D];北京交通大学;2019年
2 张荣葳;基于卷积神经网络与SimHash的网络异常流量检测技术研究[D];中国工程物理研究院;2019年
3 张超利;基于神经网络的河南省空气污染预测研究[D];华北水利水电大学;2019年
4 范汝鑫;基于深度神经网络的个性化商品推荐研究[D];合肥工业大学;2019年
5 贾凯;人工蜂群算法与BP神经网络并行集成学习研究[D];合肥工业大学;2019年
6 黄国维;基于深度学习的城市垃圾桶智能分类研究[D];安徽理工大学;2019年
7 江白华;基于深度学习的人脸识别研究[D];安徽理工大学;2019年
8 侯栋楠;基于深度特征学习的振动状态识别方法[D];华北电力大学;2019年
9 肖炜茗;基于Bernstein多项式和阶梯路径构造的前向插值神经网络及逼近能力[D];天津师范大学;2019年
10 强硕;基于神经网络的电锅炉动态过程建模研究[D];华北电力大学;2019年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
5 ;神经网络小史[N];电子报;2018年
6 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
7 ;人工智能将取得大面积突破[N];中国企业报;2017年
8 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
9 ;人类正迎来云端机器人时代[N];中国企业报;2017年
10 张斌;谁还需要“同传”[N];文汇报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978