加噪样本扩展深度稀疏自编码神经网络的滚动轴承寿命阶段识别

• 作者: 杨星 杨黎霞 汤宝平 陈仁祥 陈思杨 黄鑫
• 来源期刊: 振动工程学报
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 寿命阶段 稀疏自编码 神经网络
• 年，卷（期）: 2017,（5）
• 页码范围: 874-882
• 页数: 9页
• 分类号: TH165+.3|TN911.7|TH133.33
• 字数: 6166字
• 语种: 中文
• DOI: 10.16385/j.cnki.issn.1004-4523.2017.05.021

摘要

针对滚动轴承寿命特征提取与寿命阶段智能识别问题,提出加噪样本扩展深度稀疏自编码神经网络的滚动轴承寿命阶段识别方法.稀疏自编码具有非监督自动学习数据内部结构特征的能力,但属浅层网络,特征提取能力有限且不具备分类能力.因此,将多个稀疏自编码堆栈并添加分类层构建出集寿命特征自动提取与识别功能于一体的深度稀疏自编码神经网络,通过无监督逐层自学习与有监督微调,完成寿命特征的自动提取与表达,并实现寿命阶段智能识别.同时,为解决寿命样本量不足导致的网络过拟合,对原训练样本进行加噪扩展来训练网络,以抑制网络过拟合并提高网络的鲁棒性.通过工程应用,证明了所提方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤宝平	重庆大学机械传动国家重点实验室	208	4648	33.0	63.0
2	陈仁祥	重庆交通大学机电与车辆工程学院	19	229	7.0	15.0
11	黄鑫	重庆交通大学机电与车辆工程学院	6	58	3.0	6.0
12	杨黎霞	重庆交通大学机电与车辆工程学院	6	62	4.0	6.0
13	陈思杨	重庆交通大学机电与车辆工程学院	5	32	2.0	5.0
14	杨星	重庆交通大学机电与车辆工程学院	4	33	2.0	4.0