基于深度神经网络的液压泵泄漏状态识别

• 作者: 何颖 董绍江 陈里里
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 液压泵 泄漏 堆栈稀疏自编码器 深度神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 故障预测与健康管理技术
• 页码范围: 86-94
• 页数: 9页
• 分类号: TH137
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J1905130

摘要

针对液压信号的高度复杂性以及难以识别的特点,构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别.利用小波变换和希尔伯特-黄变换提取液压信号的低维特征,并输入深度神经网络.通过堆栈稀疏自编码器的逐层学习对特征进行优化并提取出高维特征,然后使用Softmax进行识别.实验结果表明,堆栈稀疏自编码器能够有效地提取液压泵泄漏状态的高维特征,构建的深度神经网络可有效地识别液压泵泄漏状态,识别精度达到了97.6％.此外与支持向量机、极限学习机、卷积神经网络以及长短期记忆网络相比,深度神经网络具有更好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董绍江		39	44	4.0	4.0
2	陈里里		18	34	4.0	4.0
3	何颖		4	0	0.0	0.0