收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于小波分解与深度学习的液压泵泄漏状态识别

陈军江  陈里里  王朝宇  
【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。

知网文化
【相似文献】
中国期刊全文数据库 前11条
1 陈里里;何颖;董绍江;;基于深度神经网络的液压泵泄漏状态识别[J];仪器仪表学报;2020年04期
2 李宏坤;周帅;孙志辉;;Hilbert谱特征提取与支持向量机的状态识别方法研究[J];振动与冲击;2009年06期
3 李晓涛;关辉;李朝晖;赵松涛;吴淑敏;;基于CNN的胀管工序质量状态识别方法与应用[J];机电工程技术;2020年08期
4 王朝晖,周佩玲;基于小波特征和模拟退火的遥感图象快速聚类算法[J];中国图象图形学报;2002年12期
5 王余奎;李洪儒;魏晓斌;许葆华;;基于局部特征尺度分解谱熵和VPMCD的液压泵退化状态识别[J];振动与冲击;2016年12期
6 田再克;李洪儒;谷宏强;许葆华;;基于局部特征尺度分解和JRD距离的液压泵性能退化状态识别方法[J];振动与冲击;2016年20期
7 周佩玲,王朝晖;超谱遥感图像的Markov链小波特征空间聚类算法[J];数据采集与处理;2003年01期
8 姜万录;孔德田;李振宝;佟祥伟;岳文德;;基于完备总体经验模态分解和模糊熵结合的液压泵退化特征提取方法[J];计量学报;2020年02期
9 王余奎;李洪儒;黄之杰;赵徐成;;S变换相对谱熵及其在液压泵退化状态识别中的应用[J];兵工学报;2016年06期
10 裘群海;徐超;吴斌;;基于混沌激励与吸引子几何分析的连接损伤状态识别[J];动力学与控制学报;2012年02期
11 谷立臣;刘沛津;陈江城;;基于电参量信息融合的液压系统状态识别技术[J];机械工程学报;2011年24期
中国重要会议论文全文数据库 前2条
1 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年
2 马超;方剑青;李红军;贾俊波;雷玉锦;高洁;;声学激励方式对结构状态识别效果的影响分析[A];第25届全国振动与噪声高技术及应用会议论文选集[C];2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978