TensorFlow中深度前馈网络优化研究及其轴承故障诊断应用

• 作者: 李彬彬 梁昱 焦斌 陈志高
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度前馈网络 参数选取 优化算法 TensorFlow 轴承故障诊断
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 175-182
• 页数: 8页
• 分类号: TP183
• 字数: 5977字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.10.031

摘要

目前在复杂系统的故障诊断中,故障特征与故障类型之间存在较强的非线性关系,且数据量较大,信号处理复杂,诊断效率不高,而深度学习在特征提取与模式识别方面显示出巨大潜力.针对此问题提出基于深度前馈网络的故障诊断模型,将其应用于复杂的轴承故障诊断.该方法直接将原始信号作为模型的输入特征量,然后利用谷歌开源深度学习框架TensorFlow建模,通过相关参数设置、梯度算法优化、正则化处理对网络进行优化设计.构建上万的9种轴承故障类型样本,确保样本多样性,提高网络鲁棒性,最终优化后的模型诊断准确率为98.96％.将该方法与多种传统的机器学习诊断方法进行比较,结果表明该方法能更有效地进行轴承故障诊断,验证了模型的合理性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦斌	上海电机学院电气学院	50	361	10.0	18.0
2	李彬彬	上海电机学院电气学院	16	22	3.0	4.0
3	梁昱	上海电机学院电气学院	1	0	0.0	0.0
4	陈志高		1	0	0.0	0.0