检索结果-南通市图书馆

深度置信网络迁移学习的行星齿轮箱故障诊断方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2021年第1期40卷 127-133,150页

作者：陈仁祥杨星胡小林李军陈才唐林林重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆大学机械传动国家重点实验室重庆400030 重庆工业大数据创新中心有限公司重庆400056 重庆华数机器人有限公司重庆400714

实际工程中行星齿轮箱受工况、运行情况等因素的影响,获取的数据难以满足训练和测试数据独立同分布且训练数据充足的条件,直接影响故障诊断效果。为此,提出一种深度置信网络(Deep Belief Network,DBN)迁移学习的行星齿轮箱故障诊断方法... 详细信息

实际工程中行星齿轮箱受工况、运行情况等因素的影响,获取的数据难以满足训练和测试数据独立同分布且训练数据充足的条件,直接影响故障诊断效果。为此,提出一种深度置信网络(Deep Belief Network,DBN)迁移学习的行星齿轮箱故障诊断方法。首先,将辅助标记数据的原始信号频谱作为DBN网络的输入,逐层更新网络的权重和偏置值对输入信号进行分级表达,以获得其分布式特征表达,得到基于辅助标记样本的DBN预模型。再利用少量的目标标记样本微调DBN预模型的网络权重和偏置值,实现DBN网络的权重和偏置值从源域到目标域的迁移以适应新的目标样本识别,最终提高目标域样本故障识别准确率。通过行星齿轮箱故障模拟实验验证了所提方法的可行性和有效性。

关键词：行星齿轮箱故障诊断深度置信网络迁移学习

在线全文

学校读者我要写书评

暂无评论

深度置信网络大数据目标属性智能提取仿真

计算机仿真 2023年第10期40卷 491-495页

作者：张倩李丽长春工业大学人文信息学院吉林长春130000

利用当前方法提取大数据目标属性时忽略了对大数据的主成分分析预处理,导致提取结果覆盖度低、重复度高。为此提出深度置信网络大数据目标属性智能提取方法。利用主成分分析法构建主成分数学模型,计算数据主成分贡献率完成数据降维,进... 详细信息

利用当前方法提取大数据目标属性时忽略了对大数据的主成分分析预处理,导致提取结果覆盖度低、重复度高。为此提出深度置信网络大数据目标属性智能提取方法。利用主成分分析法构建主成分数学模型,计算数据主成分贡献率完成数据降维,进而简化数据,其次在深度置信网络的基础上构建大数据目标属性提取模型。采用DBM模型将数据进行还原和降噪,获取模型的输入,再利用DBN模型完成训练,实现大数据目标属性智能提取。实验结果表明,所提方法的提取结果覆盖度较高,且所提方法下大数据目标属性智能提取的重复度低,实验结果证明了所提方法应用性能更优。

关键词：深度置信网络主成分分析目标属性

在线全文

学校读者我要写书评

暂无评论

深度置信网络在齿轮故障诊断中的应用

中国机械工程 2019年第2期30卷 205-211页

作者：陈保家刘浩涛徐超陈法法肖文荣赵春华湖北省水电机械设备设计与维护重点实验室(三峡大学) 宜昌443002 湖北特种设备检验检测研究院宜昌分院宜昌443002

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力... 详细信息

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到60%左右;如果对时域信号进行简单的傅里叶变换后,再利用DBNs对处理后的振动信号频谱进行诊断分析,正确率能达到99.7%,从而证明了所提故障诊断方法的简易性和有效性。

关键词：齿轮传动特征提取深度置信网络故障诊断

深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度

在线全文

学校读者我要写书评

暂无评论

遥感学报 2020年第10期24卷 1180-1192页

作者：贾臣孙林陈允芳张熙空王伟燕王永吉山东科技大学测绘科学与工程学院青岛266590

传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶... 详细信息

传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶胶具有标识性的信息不足,导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息,本文提出使用深度学习技术的气溶胶遥感反演算法,用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据,根据合理的时空匹配原则构建样本数据。选择深度置信网络,在合理设置训练批次和训练次数的基础上对网络进行训练和测试,生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型,实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证,结果表明:该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度,且达到了较高的精度(R=0.8745,RMSE=0.0391,MAE=0.0616,EE=87.94%)。与传统的方法相比,本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演,简化了气溶胶反演的步骤,提高了气溶胶反演的稳定性和时空适应性。

关键词：遥感气溶胶光学厚度遥感反演 Landsat 8 OLI 深度学习深度置信网络

在线全文

学校读者我要写书评

暂无评论

基于深度置信网络模型框架的长期径流预报

应用基础与工程科学学报 2023年第4期31卷 795-810页

作者：徐文馨陈杰刘建华陈华水资源工程与调度全国重点实验室湖北武汉430072 海绵城市建设水系统科学湖北省重点实验室(武汉大学) 湖北武汉430072 贵州天生桥一级水电站开发有限责任公司贵州兴义510600

长期径流预报是保障水利水电工程科学运行管理的重要支撑.随着社会经济的发展,生产实践对长期径流预报精度和预见期长度的更高要求与当前预报的表现出现了矛盾.该研究提出了一种基于深度置信网络(DBN)模型的考虑气候系统指数的长期径流... 详细信息

长期径流预报是保障水利水电工程科学运行管理的重要支撑.随着社会经济的发展,生产实践对长期径流预报精度和预见期长度的更高要求与当前预报的表现出现了矛盾.该研究提出了一种基于深度置信网络(DBN)模型的考虑气候系统指数的长期径流预报框架,并探索了其在预见期1~12个月时的预报表现.结果表明:(1)基于该框架进行预见期为1~12个月的径流预报时,在测试期的纳什效率系数(NSE)值均高于0.50,平均相对误差(MRE)值均低于35%,预报精度较高,且随着预见期的延长,径流预报能力并未呈现下降趋势;(2)在各预见期下,训练期和测试期的预报效果评估指标相差不大,说明采用的基于DBN模型的径流预报框架不存在过拟合的问题,具有优秀的泛化能力;(3)在各预见期下,汛期的径流预报效果在NSE和决定系数R2指标上优于非汛期,在MRE指标上劣于非汛期.

关键词：长期径流预报 1~12个月预见期深度置信网络预报因子筛选 LASSO回归气候系统指数天生桥一级水库

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

在线全文

学校读者我要写书评

暂无评论

推进技术 2016年第11期37卷 2173-2180页

作者：李本威林学森杨欣毅赵勇宋汉强海军航空工程学院飞行器工程系山东烟台264001 海军航空工程学院研究生管理大队山东烟台264001

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件... 详细信息

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。

关键词：深度置信网络航空发动机转动部件故障诊断

在线全文

学校读者我要写书评

暂无评论

基于深度置信网络铝合金加筋板冲击损伤识别

振动．测试与诊断 2023年第1期43卷 88-95,199页

作者：李伟邹本健杨宁张法业吕珊珊姜明顺贾磊山东大学控制科学与工程学院济南250061 山东航天电子技术研究所烟台264000

铝合金加筋板是卫星、空间站和飞船等航空航天装备关键结构,对其损伤状态进行监测和识别是评估航天器健康状态的前提和基础。针对传统机器学习方法对人工特征提取的依赖性,利用实验模拟与数值仿真相结合的方法,获取铝合金加筋板损伤声... 详细信息

铝合金加筋板是卫星、空间站和飞船等航空航天装备关键结构,对其损伤状态进行监测和识别是评估航天器健康状态的前提和基础。针对传统机器学习方法对人工特征提取的依赖性,利用实验模拟与数值仿真相结合的方法,获取铝合金加筋板损伤声发射信号并计算其幅频特性,建立损伤数据集,基于深度置信网络构建冲击损伤智能识别模型进行损伤特征自适应提取,结合Softmax分类器开展了冲击损伤识别研究,并与传统的支持向量机和反向传播(back propagation,简称BP)神经网络识别结果进行了对比。实验结果表明:在2 200 mm×500 mm×10 mm的铝合金加筋板板上对68个测试区域进行了多次冲击损伤识别,在15 300次实验中实现了15 218次冲击损伤准确识别,正确率为99.47%。该研究结果为航天器结构的损伤监测提供了有效方法。

关键词：深度置信网络铝合金加筋板损伤识别幅频特性

在线全文

学校读者我要写书评

暂无评论

深度置信网络在导弹攻击区分类中的应用

国防科技大学学报 2019年第2期41卷 98-106页

作者：杨任农张振兴房育寰左家亮张彬超空军工程大学空管领航学院

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实... 详细信息

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明:深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。

关键词：导弹攻击区分类深度置信网络特征提取微调数据采样

基于改进深度置信网络的智能电网暂态安全状态感知

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力系统保护与控制 2022年第5期50卷 171-177页

作者：李海英沈益涛罗雨航上海理工大学电气工程系上海200093 四川水利职业技术学院四川成都611231

深度学习是感知智能电网暂态安全状态的有效方法,针对多层重构学习过程低维特征及结构参数难以全局寻优的问题,提出了一种改进深度置信网络(Deep Belief Network,DBN)方法。首先,该方法利用SMOTE过采样算法,增加样本多样性,促使DBN深层... 详细信息

深度学习是感知智能电网暂态安全状态的有效方法,针对多层重构学习过程低维特征及结构参数难以全局寻优的问题,提出了一种改进深度置信网络(Deep Belief Network,DBN)方法。首先,该方法利用SMOTE过采样算法,增加样本多样性,促使DBN深层架构的挖掘。其次,直接面向噪声样本,DBN通过网络中各神经元吉布斯抽样的二值状态,增强重构特征的抗噪能力。最后,建立了基于遗传算法(Genetic Algorithm,GA)的GA-DBN模型,有效解决DBN结构参数调试繁琐的问题,确保DBN高精度地从底层量测数据提取低维特征,提高安全分类精度。新英格兰10机39节点系统的仿真实验表明,在样本不平衡、含噪声情况下,所提算法比其他算法的失稳漏判率降低,辩识准确率和F;分数提升。

关键词：暂态安全感知深度置信网络 SMOTE 遗传算法样本不平衡