柱塞泵内泄信号的RBM-BP算法融合特征诊断
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
2.28 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
考虑到深度神经网络具备优异的故障识别性能,针对柱塞泵压力与流量信号特征提取难度大问题,设计了一种综合运用小波变换与希尔伯特-黄变换来实现的特征提取方法,建立了RBM-BP网络来达到优化原始特征的作用,利用高级融合特征诊断柱塞泵泄漏状态。高级特征散点表明,深度置信网络在学习原始特征方面表现出了较强学习能力,实现原始特征的抽象提取,确保高级特征能够更准确完成柱塞泵内泄分级与诊断过程。研究结果表明所有正常泄漏样本都被准确预测,微弱泄漏与严重泄漏都出现了1个样本发生错误预测情况。相比较SSAE与H-ELM,RBM-BP在各层中都表现出比更低的识别。RBM-BP方法获得了比SSAE与H-ELM更高的准确率,准确率波动性也更小,表明RBM-BP模型达到了更优的稳定性,表现出了对柱塞泵内泄状态更强辨识能力与稳定性。相关论文
- 2024-05-26基于ADAMS的自动化涡流检测系统设计
- 2021-03-10改进PSO算法优化交流伺服系统PID参数研究
- 2021-02-13基于位置闭环的制振陷波器改进和参数整定
- 2021-01-14基于非线性PID的交叉耦合同步控制器设计
- 2021-01-12换热器铜管高效集成加工技术装备研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。