10.3969/j.issn.1006-1355.2019.05.037
一种基于稀疏自编码器的电机故障诊断方法
在电机故障诊断研究领域,基于人工智能技术和现代信号处理方法相结合的故障诊断技术正逐步成为目前的研究热点.一般的模式识别方法往往对信号的数据采集和处理有较高要求,且往往因模型泛化能力有限而受到制约.为解决这一问题,提出一种基于稀疏自编码器的故障诊断方法,利用Hilbert包络谱信号训练稀疏自编码器,自适应将大数据的内在特征提炼为简单的特征函数,通过特征函数表达实现电机状况的智能诊断.实验结果表明,相比BP(Back propagation,BP)神经网络和支持向量机分类算法,本方法可快速、有效地提高故障分类的准确度,对电机故障精准诊断具有重要意义.
故障诊断、稀疏自编码、模式识别、特征提取
39
TP206+.3(自动化技术及设备)
中国科学院重点部署资助项目KFZD-SW-310
2019-12-16（万方平台首次上网日期，不代表论文的发表时间）
共7页
197-202,249
