基于小波分解与深度学习的液压泵泄漏状态识别

• 作者: 陈军江 陈里里 王朝宇
• 来源期刊: 组合机床与自动化加工技术
• 关键词: 堆栈稀疏自编码器 小波变换 液压泵 泄漏 深度神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 设计与研究
• 页码范围: 23-27
• 页数: 5页
• 分类号: TH137|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.04.006

摘要

针对液压信号高度复杂且难以识别的特点,提出了一种基于堆栈稀疏自编码器(SSAE)与Softmax的深度神经网络(DNN)来对液压泵泄漏状态信号的特征进行优化与识别.对液压泵的压力与流量信号进行5层小波分解,计算5个高频系数与一个低频系数的样本熵值作为小波特征;融合信号的小波特征与时域特征作为低阶特征,输入构建的深度神经网络进行特征优化,学习输出高阶特征,并使用连接的Softmax层完成识别任务.实验结果表明,基于堆栈稀疏自编码器与Softmax构建的深度神经网络能够学习到液压信号的高阶特征,有效完成液压泵不同泄漏状态的识别,识别精度达到99.3％.此外与随机森林与支持向量机相比,该深度神经网络具有更好的识别精度.