基于深度信念网络的铁谱图像智能识别方法与试验验证

• 作者: 樊红卫 胡德顺 高烁琪 张旭辉 曹现刚
• 来源期刊: 润滑与密封
• 关键词: 故障诊断 铁谱分析 图像识别 深度学习 深度信念网络
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 试验研究|Research and Test
• 页码范围: 15-22
• 页数: 8页
• 分类号: TP391.41|TH17
• 语种: 中文
• DOI: 10.3969/j.issn.0254-0150.2021.07.003

摘要

为了提高机械设备磨损状态识别精度和效率,利用深度学习中的深度信念网络并结合铁谱分析技术,提出一种磨粒图像智能识别方法.首先,建立受限玻尔兹曼机模型,将其用于深度信念网络的预训练,初始化网络模型参数,完成识别模型构建;然后,利用铁谱分析技术,通过铁谱仪制备铁谱图像,进行图像预处理,得到学习样本;最后,对网络模型参数进行研究,观测各参数变化对模型性能的影响规律,得到最优取值.结果表明:所提出的方法能够快速准确地识别设备磨损类型,识别正确率达到99％以上.