基于堆栈降噪自编码网络的机械设备磨损状态识别
樊红卫1
马宁阁2
张旭辉1
高烁琪2
曹现刚1
马宏伟1
1.西安科技大学机械工程学院,陕西西安710054;陕西省矿山机电装备智能监测重点实验室,陕西西安 7100542.西安科技大学机械工程学院,陕西西安710054
摘要：通过磨粒铁谱图像识别可实现机械设备磨损状态识别,但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差.为解决上述问题,提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法.将多个降噪自编码网络进行堆叠,即上一个降噪自编码网络隐含层的输出作为下一个降噪自编码网络的输入,并在最后一个降噪自编码网络隐含层后添加Softmax分类器,从而构建堆栈降噪自编码网络;利用磨粒铁谱图像对堆栈降噪自编码网络进行无监督预训练,并通过有监督微调优化网络参数,对磨粒铁谱图像进行分类,实现机械设备磨损状态智能识别.实验结果表明:当堆栈降噪自编码网络的激活函数为Relu、优化器为Adam、学习率为0.001时,网络性能最佳,识别准确率达98.43％.
关键词：机械设备磨损状态识别铁谱图像堆栈降噪自编码网络
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(51834006)陕西省重点研发计划项目(2018ZDCXL-GY-06-04)陕西省重点研发计划项目(2019GY-093)陕西省自然科学基础研究计划(2019JLZ-08)
论文发表日期：2020-11-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 6-11 )
英文信息