采用深度学习的异步电机故障诊断方法

10 现在的位置：首页 > 期刊导读 > 2012 > 10 >

【作者】王丽华 [1] 谢阳阳 [1] 张永宏 [1] 赵晓平 [2] 周子贤 [2]

【关键词】异步电机故障诊断深度学习特征提取

【摘要】为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法.该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障诊断.首先,采集异步电机的整体电流和振动信号,将电流信号与傅里叶变换后的振动频域信号组合构成样本,并做归一化处理;然后,构建堆叠降噪自编码网络,确定网络层数、各隐藏层节点数、学习率等参数;最后,输入训练样本依次训练自编码和分类器,微调整个网络并用测试数据验证网络的优劣.试验结果表明,在合适的参数下采用SDAE方法的异步故障诊断准确率高达99.86％,比传统电机故障诊断方法提升至少6％.

上一篇： 针对机器学习中残缺数据的近似补全方法
下一篇： 采用长短时记忆网络的低资源语音识别方法

10 现在的位置：首页 > 期刊导读 > 2012 > 10 >

采用深度学习的异步电机故障诊断方法

【作者】 王丽华 [1] 谢阳阳 [1] 张永宏 [1] 赵晓平 [2] 周子贤 [2]

【关键词】 异步电机 故障诊断 深度学习 特征提取

【作者】王丽华 [1] 谢阳阳 [1] 张永宏 [1] 赵晓平 [2] 周子贤 [2]

【关键词】异步电机故障诊断深度学习特征提取