文献类型：期刊文章

作　　者：吴魁[1] 王仙勇[1] 孙洁[1] 黄玉龙[1,2]

机构地区：[1]北京航天测控技术有限公司,北京100041 [2]北京市高速交通工具智能诊断与健康管理重点实验室,北京100041

出　　处：《计算机测量与控制》

年　　份：2017

卷　　号：25

期　　号：10

起止页码：43-47

语　　种：中文

收录情况：CSA、CSA-PROQEUST、INSPEC、JST、ZGKJHX、普通刊

摘　　要：针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别;经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。

关 键 词：深度学习  深度置信网络  故障检测

分 类 号：TP311]