检索结果-内蒙古大学图书馆

机械工程学报 2019年第14期55卷 1-10页

作者：李宏坤郝佰田代月帮杨蕊大连理工大学机械工程学院

数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制... 详细信息

数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用。针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法。首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度。试验结果表明,该方法可以有效对铣刀磨损程度进行识别。

关键词：主轴电流铣刀磨损压缩感知堆栈稀疏自编码器

来源：评论

学校读者我要写书评

暂无评论

堆栈稀疏自编码器的风力机锥齿轮故障诊断

引用

机械设计与制造 2021年第3期 161-164页

作者：陈里里司吉兵董绍江重庆交通大学机电与车辆工程学院重庆400074 重庆交通大学城市轨道车辆系统集成与控制重点实验室重庆400074

针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入... 详细信息

针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入到SSAE中进一步学习目标数据的深层本质特征,并进行特征降维,最后使用softmax分类器中进行分类识别。通过实验结果表明,和文中其他浅层学习模型相比,SSAE能够从齿轮振动信号中有效学习到所需的深层本质特征,拥有更高的识别准确率,因而证实了该方法优越性。

关键词：时域分析样本熵特征提取堆栈稀疏自编码器 Softmax分类器故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测

引用

作物学报 2023年第8期49卷 2275-2287页

作者：林芬芳陈星宇周维勋王倩张东彦南京信息工程大学遥感与测绘工程学院江苏南京210044 农业生态大数据分析与应用技术国家地方联合工程研究中心(安徽大学) 安徽合肥230601 黄河中下游数字地理技术教育部重点实验室(河南大学) 河南开封475004

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,... 详细信息

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。

关键词：赤霉病堆栈稀疏自编码器高光谱检测小麦

来源：评论

学校读者我要写书评

暂无评论

基于堆栈稀疏自编码器和微动特征的身份认证技术

引用

空军工程大学学报（自然科学版） 2018年第4期19卷 48-53页

作者：袁延鑫孙莉张群空军工程大学信息与导航学院西安710077

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进... 详细信息

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。

关键词：堆栈稀疏自编码器特征提取微动特征身份认证

来源：评论

学校读者我要写书评

暂无评论

基于BAS优化堆栈稀疏自编码器的轴承故障诊断

引用

合肥工业大学学报（自然科学版） 2022年第12期45卷 1608-1614,1662页

作者：张磊陈剑孙太华曹昆明阚东程明合肥工业大学噪声振动工程研究所安徽合肥230009 安徽省汽车NVH技术研究中心安徽合肥230009

针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时... 详细信息

针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时域、频域特征提取和变分模态分解,得到其固有模态函数,提取其时域、频域和固有模态函数的44个特征构建数据集,作为机器学习诊断网络的输入;其次,通过稀疏自编码器二次特征提取获得更加典型的特征,同时引入BAS算法对堆栈稀疏自编码器的稀疏惩罚因子进行自适应选取以获得最优分类模型;最后,通过Softmax分类层实现对滚动轴承的故障诊断分类。试验结果表明,该方法不仅在平稳载荷下具有很好的轴承故障分类能力,而且在时变非平稳性载荷以及不同测试数据量下仍然具有较好的故障分类效果。

关键词：轴承故障诊断深度神经网络堆栈稀疏自编码器变分模态分解天牛须搜索(BAS)算法

来源：评论

学校读者我要写书评

暂无评论

基于改进的堆栈稀疏自编码器的轴承故障诊断方法研究

基于改进的堆栈稀疏自编码器的轴承故障诊断方法研究

引用

作者：张磊合肥工业大学

学位级别：硕士

滚动轴承作为“工业的关节”在工业领域应用广泛,但在高速重载长时间恶劣的工作环境下容易发生疲劳和故障,从而影响整个设备的安全稳定运行,因此对滚动轴承进行实时状态监测和准确高效地故障诊断具有极其重要的意义。本文以滚动轴承为... 详细信息

滚动轴承作为“工业的关节”在工业领域应用广泛,但在高速重载长时间恶劣的工作环境下容易发生疲劳和故障,从而影响整个设备的安全稳定运行,因此对滚动轴承进行实时状态监测和准确高效地故障诊断具有极其重要的意义。本文以滚动轴承为研究对象,采用最大相关峭度解卷积、变分模态分解、包络谱分析等信号处理方法对信号进行降噪和故障特征提取,并使用改进的堆栈稀疏自编码器对轴承故障模式进行识别。论文主要的工作内容如下:(1)针对滚动轴承在实际工作时不同故障类型数据难以获取的问题,开展滚动轴承加工故障试验,为项目中方法学的建立提供数据支撑。对采集到的振动信号进行时域分析和功率谱分析,试验结果表明,常用的信号分析方法在处理具有噪声干扰的信号时具有很大的局限性。(2)针对轴承信号在强背景噪声下难以对其故障模式进行有效识别的问题,提出一种自适应最大相关峭度解卷积-变分模态分解(MCKD-VMD)的滚动轴承故障诊断方法。结合MCKD和VMD的优点,对轴承原始振动信号进行降噪和分解,选取WK值最大的模态分量进行包络谱分析,通过实测信号验证本方法的有效性。同时,针对MCKD中解卷积周期和滤波器长度有效选取的问题,使用灰狼优化算法(GWO)对其进行自适应选取;针对VMD中分解层数确定的问题,采用有效加权峭度指标(EWK)确定其分解层数。(3)针对传统故障诊断方法依赖特征设计和专家经验的问题,提出一种基于改进的堆栈稀疏自编码器的轴承故障诊断方法。首先构建深度神经网络轴承故障诊断分类模型并通过天牛须搜索优化算法(BAS)对模型中的超参数进行自适应选取;其次对轴承加工故障试验数据进行多源特征提取并建立数据集,使用训练集对构建的BAS优化堆栈稀疏自编码器(BAS-SSAE)的模型进行训练,并通过测试集验证模型的故障诊断分类能力;然后采用t-分布邻域嵌入算法(t-SNE)表明构建的模型能够对原始数据进行特征优化,挖掘出更具有辨识能力的特征;最后将BAS-SSAE模型与随机参数SSAE模型、SAE模型、K最近邻(KNN)、支持向量机(SVM)进行对比,结果表明该方法在滚动轴承故障诊断方面更具优越性。

关键词：滚动轴承故障诊断最大相关峭度解卷积变分模态分解堆栈稀疏自编码器

来源：评论

学校读者我要写书评

暂无评论

基于堆栈稀疏自编码器与XGBoost的电力变压器故障诊断

引用

重庆工商大学学报（自然科学版） 2024年第6期41卷 65-71页

作者：梁浩语安徽理工大学电气与信息工程学院安徽淮南232001

目的针对变压器油中的H_(2)、CH_(4)、C_(2)H_(6)、C_(2)H_(4)、C_(2)H_(2)气体的浓度存在耦合性问题及电力变压器故障诊断精度较低的问题,提出了利用堆栈稀疏自编码器(Stacked Sparse Autoencoder,SSAE)和XGBoost模型结合的方法来提... 详细信息

目的针对变压器油中的H_(2)、CH_(4)、C_(2)H_(6)、C_(2)H_(4)、C_(2)H_(2)气体的浓度存在耦合性问题及电力变压器故障诊断精度较低的问题,提出了利用堆栈稀疏自编码器(Stacked Sparse Autoencoder,SSAE)和XGBoost模型结合的方法来提高电力变压器故障诊断的准确率。方法首先利用堆栈稀疏自编码器(Stacked Sparse Autoencoder,SSAE)处理DGA数据;其次确定自编码器堆栈个数,确定隐含层数目;然后利用SSAE对原始数据进行数据转换,提取深层次特征信息;接着为了消除数据之间数量级差异较大的问题,对提取后的特征数据归一化进行处理;最后将处理之后得到的数据再输入XGBoost模型之中进行分类验证。结果本文建立的基于堆栈稀疏自编码器与XGBoost的电力变压器故障诊断方法诊断准确率为91.11%,高于常用的其他机器学习模型。结论实验结果验证了方法的有效性,表明基于堆栈稀疏自编码器与XGBoost的电力变压器故障诊断方法能够有效提高故障诊断的准确率。

关键词：故障诊断堆栈稀疏自编码器特征提取 XGBoost模型变压器

来源：评论

学校读者我要写书评

暂无评论

面向电力工程信息处理的多元数据特征提取与融合

引用

电子设计工程 2025年第5期33卷 120-124页

作者：徐晓军李奎张秋琼张方银王曙光贵州电网有限责任公司电网规划研究中心贵州贵阳550002

针对输变电工程影响因素多、数据样本复杂多变容易导致工程数据处理和预测难度增加的问题,文中提出了一种基于多元数据特征提取与融合技术的电力工程信息处理模型。该模型运用多个堆栈稀疏自编码器(SSAE)从电力工程各类数据中分别提取... 详细信息

针对输变电工程影响因素多、数据样本复杂多变容易导致工程数据处理和预测难度增加的问题,文中提出了一种基于多元数据特征提取与融合技术的电力工程信息处理模型。该模型运用多个堆栈稀疏自编码器(SSAE)从电力工程各类数据中分别提取特征信息,借助竞争粒子群算法优化的回声状态网络(CSO-ESN)实现信息融合并输出预测结果。以电力工程信息中的静态投资数据为样本进行的多组对比实验结果表明,所提模型的预测误差范围为1.82%~5.95%,可以有效实现电力工程数据信息的处理与合理预测,具有良好的普适性与准确性。

关键词：电力工程数据多元特征融合堆栈稀疏自编码器回声状态网络趋势分析

来源：评论

学校读者我要写书评

暂无评论

基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法

引用

实验室研究与探索 2021年第3期40卷 1-4,13页

作者：郭业才侯坤南京信息工程大学电子与信息工程学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学滨江学院江苏无锡214105

针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略... 详细信息

针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略将训练得到的最优权重作为深度神经网络的初始权重,提高网络的抗噪性、泛化性和收敛速度。仿真与实验结果表明,与传统DOA估计算法相比,该算法在低信噪比情况下定位误差小、准确度高。

关键词：堆栈稀疏自编码器深层神经网络波达方位迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于SSAE和相似性匹配的航空发动机剩余寿命预测

引用

北京航空航天大学学报 2023年第10期49卷 2817-2825页

作者：王昆郭迎清赵万里周启凡郭鹏飞西北工业大学动力与能源学院西安710129

航空发动机作为高度复杂的热力机械,其剩余寿命(RUL)预测往往作为提高安全性和经济性的重要保障。为了提高航空发动机剩余寿命预测精度,提出一种基于堆栈稀疏自编码器(SSAE)及相似性匹配的剩余寿命预测方法。以Spearman秩相关系数(SRCC... 详细信息

航空发动机作为高度复杂的热力机械,其剩余寿命(RUL)预测往往作为提高安全性和经济性的重要保障。为了提高航空发动机剩余寿命预测精度,提出一种基于堆栈稀疏自编码器(SSAE)及相似性匹配的剩余寿命预测方法。以Spearman秩相关系数(SRCC)作为适应度函数,利用遗传算法(GA)对融合参数候选集进行寻优;采用SSAE的结构融合最优参数集,生成特征融合指标;采用相似性匹配的方法在历史数据库内全局搜索最优匹配的历史轨迹,得到寿命预测结果;采用美国国家航空航天局(NASA)公布的C-MAPSS数据集验证该融合指标和方法的有效性。

关键词：航空发动机剩余寿命堆栈稀疏自编码器 Spearman秩相关系数相似性匹配

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：