本文主要研究内容
作者王惠中,贺珂珂,房理想（2019）在《深度学习在电机故障诊断中的应用研究》一文中研究指出：针对电机故障诊断采用传统神经网络易陷入局部极小值等问题,提出一种新型的特征学习诊断方法。方法通过多个稀疏自编码器的堆叠构建深层次的神经网络,提取故障信号特征,结合Softmax分类器对其进行分类。首先,对故障信号做频域变换,采集频域数据作为输入样本。然后通过逐层贪婪预训练获得神经网络的初始权重,利用反向传播算法进行全局微调,优化神经网络参数。最后,用训练完成的网络识别故障。上述方法提高了诊断的准确率,改善传统方法的不足。通过仿真验证了上述模型的有效性和可行性,且优于传统的支持向量机诊断方法。
Abstract
zhen dui dian ji gu zhang zhen duan cai yong chuan tong shen jing wang lao yi xian ru ju bu ji xiao zhi deng wen ti ,di chu yi chong xin xing de te zheng xue xi zhen duan fang fa 。fang fa tong guo duo ge xi shu zi bian ma qi de dui die gou jian shen ceng ci de shen jing wang lao ,di qu gu zhang xin hao te zheng ,jie ge Softmaxfen lei qi dui ji jin hang fen lei 。shou xian ,dui gu zhang xin hao zuo pin yu bian huan ,cai ji pin yu shu ju zuo wei shu ru yang ben 。ran hou tong guo zhu ceng tan lan yu xun lian huo de shen jing wang lao de chu shi quan chong ,li yong fan xiang chuan bo suan fa jin hang quan ju wei diao ,you hua shen jing wang lao can shu 。zui hou ,yong xun lian wan cheng de wang lao shi bie gu zhang 。shang shu fang fa di gao le zhen duan de zhun que lv ,gai shan chuan tong fang fa de bu zu 。tong guo fang zhen yan zheng le shang shu mo xing de you xiao xing he ke hang xing ,ju you yu chuan tong de zhi chi xiang liang ji zhen duan fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机仿真的王惠中,贺珂珂,房理想，发表于刊物计算机仿真2019年10期论文，是一篇关于故障诊断论文,深度学习论文,堆栈稀疏自编码器论文,分类器论文,计算机仿真2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机仿真2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：故障诊断论文; 深度学习论文; 堆栈稀疏自编码器论文; 分类器论文; 计算机仿真2019年10期论文;