基于堆栈降噪自编码网络的机械设备磨损状态识别

• 作者: 张旭辉 曹现刚 樊红卫 马宁阁 马宏伟 高烁琪
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 机械设备 磨损状态识别 铁谱图像 堆栈降噪自编码网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: “煤矿智能化故障诊断技术”专题
• 页码范围: 6-11
• 页数: 6页
• 分类号: TD67
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.17633

摘要

通过磨粒铁谱图像识别可实现机械设备磨损状态识别,但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差.为解决上述问题,提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法.将多个降噪自编码网络进行堆叠,即上一个降噪自编码网络隐含层的输出作为下一个降噪自编码网络的输入,并在最后一个降噪自编码网络隐含层后添加Softmax分类器,从而构建堆栈降噪自编码网络;利用磨粒铁谱图像对堆栈降噪自编码网络进行无监督预训练,并通过有监督微调优化网络参数,对磨粒铁谱图像进行分类,实现机械设备磨损状态智能识别.实验结果表明:当堆栈降噪自编码网络的激活函数为Relu、优化器为Adam、学习率为0.001时,网络性能最佳,识别准确率达98.43％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马宏伟		171	1433	18.0	32.0
2	张旭辉		86	622	12.0	22.0
3	曹现刚		47	81	5.0	6.0
4	樊红卫		36	57	4.0	5.0
5	马宁阁		1	0	0.0	0.0
6	高烁琪		2	2	1.0	1.0