收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

深度学习模式识别法及其在旋转机械故障诊断中的应用

甘磊  
【摘要】:旋转机械的故障诊断就是一个模式识别的过程,模式识别又可以分聚类和分类,常用的分类算法有人工神经网络(Artificial neural network,ANN)、支持向量机(Support Vector Machine,SVM)等,常用的聚类算法有K-means算法、DBSCAN(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法等,但是这些算法都存在着一些尚未解决的缺陷,如人工神经网络容易陷入局部最优解,K-means算法对噪声和孤立点非常敏感等。近年来,由于互联网的快速发展和大数据时代的来临,深度学习模型逐渐受到广泛地关注,通过堆叠多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)的深度信念网络(Deep Belief Network,DBN)在应用于特征提取和模式识别时可以取得不错的性能,本文在国家自然科学基金项目(项目号:51575168)的资助下,将深度学习模型和聚类算法相结合,应用于旋转机械的故障诊断中。本文的主要研究内容如下:1.针对ASTFA(Adaptive and SparsestTime-Frequency Analysis,ASTFA)方法在处理齿轮早期裂纹信号的不足,引入最小熵解卷积(Minimum Entropy Deconvolution,MED)用于对齿轮早期故障信号进行降噪处理,提出了MED-ASTFA方法,结合MED-ASTFA和边带对数比(Averaged logarithm ratio,ALR)指标,应用到变转速下齿根裂纹的定量诊断。2.对现有的典型深度学习模型进行分析,通过仿真信号验证深度信念网络在模式识别方面的有效性,并且应用于齿根裂纹的定量诊断。3.结合DBN强大的特征提取能力和聚类算法的优势,将DBN和K-means算法相结合,提出了基于PCDBN(Principal Components Deep Belief Network,PCDBN)和K-means算法的聚类模型,并且在此基础上进一步改进,提出了基于PCDBN和K-means++的聚类模型,并且应用于滚动轴承的状态识别,可以取得更好的效果。4.针对K-means++算法和K-means算法都需要预先设定K的个数的问题,引入迭代自组织数据分析(Iterative Self-organizing Data Analysis Techniques Algorithm,ISODATA)算法,ISODATA可以通过改变合并和分裂等条件,实现数据的自动调整并且完成聚类,并且针对ISODATA算法容易陷入局部最优解的缺陷,进行了改进。提出了基于PCDBN和ISODATA++的聚类模型。并应用于滚动轴承的状态识别。5.研究了一种基于柔性的模糊划分方法,模糊C均值(Fuzzy C-means,FCM)算法,将PCDBN方法和FCM算法将结合,通过控制对比度m和k的个数,可以实现更精确的聚类识别结果。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 赵文;具有已知元的逐步聚类模型[J];吉林大学自然科学学报;1979年02期
2 冯光辉;孙滨;;基于改进文化算法的聚类模型研究[J];科技通报;2014年11期
3 倪长健;崔鹏;;投影寻踪动态聚类模型[J];系统工程学报;2007年06期
4 陈志祥,沈新建;一种改进的模糊聚类模型及其应用[J];广西工学院学报;1994年03期
5 孙越恒;曹桂宏;侯越先;;对称和非对称词语聚类模型的比较研究[J];计算机工程;2009年10期
6 陈志祥;基于关联分析的F聚类模型及其应用[J];纺织高校基础科学学报;1995年03期
7 董道建;;基于广义城熵聚类模型的城市节点分类方法[J];山东交通学院学报;2014年03期
8 祝迎春;二阶聚类模型及其应用[J];市场研究;2005年01期
9 赵文;具有已知元的逐步聚类模型(续Ⅱ)[J];吉林大学自然科学学报;1983年04期
10 徐辉;陈又星;;模糊聚类模型及其在国际市场划分中的应用研究[J];地理科学;2010年03期
11 王顺久;倪长健;;投影寻踪动态聚类模型及其应用[J];哈尔滨工业大学学报;2009年01期
12 关莹;赵双喜;;基于熵权的模糊聚类模型在洪水分类中的应用[J];华北水利水电学院学报;2009年04期
13 孙倩;段春青;邱林;陈晓楠;;基于熵权的模糊聚类模型在洪水分类中的应用[J];华北水利水电学院学报;2007年05期
14 倪长健;王顺久;崔鹏;;投影寻踪动态聚类模型及其在地下水分类中的应用[J];四川大学学报(工程科学版);2006年06期
15 赵胜;;模糊修正聚类模型在边坡稳定性预测中的应用研究[J];中华建设;2008年08期
16 杨广文,王鼎兴,郑纬民,李晓明;一种利用确定性退火技术的聚类模型与算法研究[J];软件学报;1999年06期
17 张飞;张立波;罗铁坚;武延军;;一种基于特征的协同聚类模型[J];计算机研究与发展;2018年07期
18 邵洁;赵倩;;基于多层自适应聚类模型的密集人群分群检测算法[J];上海电力学院学报;2017年01期
中国重要会议论文全文数据库 前10条
1 刘元志;;基于系统聚类模型的商品销售策略研究[A];决策论坛——基于公共管理学视角的决策研讨会论文集(上)[C];2015年
2 胡坤;刘思峰;;时间序列灰色定权聚类模型[A];2004年中国管理科学学术会议论文集[C];2004年
3 姜力争;杨冬青;唐世渭;马秀莉;张德辉;;数据立方体切片的核心聚类分析方法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
4 秦童;孙斌;刘欣然;刘悦;杨榆;;虚拟计算环境下基于改进二分K均值的任务聚类模型[A];2016年全国通信软件学术会议程序册与交流文集[C];2016年
5 孙祥;庆承松;;大学生就业区域流向成因研究[A];中国企业运筹学[C];2009年
6 杨增芳;张海强;唐合文;;随机模拟方法在数据挖掘中的应用探讨[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
7 柯慧燕;;基于粗糙集的远程教育个性化服务研究[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
8 刘未鹏;周俊生;黄书剑;陈家骏;;中文共指消解中的聚类全局优化[A];中国计算机语言学研究前沿进展(2007-2009)[C];2009年
9 赵宇海;印莹;王国仁;许光宇;;挖掘微阵列数据集中的最大局部保守基因聚类[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
10 刘永芳;金菊良;魏一鸣;;城市区域综合环境质量动态评价的投影寻踪聚类模型[A];2003年中国管理科学学术会议论文集[C];2003年
中国硕士学位论文全文数据库 前10条
1 甘磊;深度学习模式识别法及其在旋转机械故障诊断中的应用[D];湖南大学;2018年
2 孙奇琦;模糊聚类模型在水利工程方案中的应用[D];黑龙江大学;2017年
3 陆蕊;网络相位聚类模型及应用[D];西安电子科技大学;2013年
4 高小明;基于聚类模型的非显示隐私保护方法研究[D];哈尔滨工业大学;2014年
5 康美林;基于双聚类模型的协同过滤推荐引擎研究[D];中南林业科技大学;2013年
6 黄利利;基于粒计算的子空间多聚类模型研究与实现[D];大连理工大学;2012年
7 宋麟;基于模糊多重集的Web用户和页面聚类模型及算法研究[D];首都师范大学;2008年
8 赵涵;基于移动互联网用户行为的客户细分研究[D];北京邮电大学;2015年
9 穆森;面板数据的灰色关联与聚类模型构建及应用[D];南京航空航天大学;2012年
10 李悦猛;挖掘电信客户的交往圈[D];北京邮电大学;2006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