模糊粒化非监督学习结合随机森林融合的旋转机械故障诊断
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
2.95 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
10
简介
在旋转机械的智能故障诊断中,复杂网络结构的非监督学习方法调节参数多,训练时间长,而结构简单的网络诊断准确率不够理想。针对以上问题,采用模糊信息粒化和稀疏自编码器搭建并行结构的学习网络,并行结构的稀疏自编码器同时对粒化后重新构成的多个有效参量信息自适应的进行特征提取,随后使用随机森林方法对提取的特征进行融合分类。实验结果表明该方法可以有效实现高精度故障诊断;且与常用的串行多网络处理结构相比,降低了网络参数调节的复杂度和多层网络的前后影响,并且提高了诊断精度,减少了训练时间。相关论文
- 2021-03-18PTA重型离心机的修复及改进
- 2025-02-17激光焊接光谱及匙孔图像的采集与分析
- 2025-02-106mm厚304奥氏体不锈钢激光焊接工艺规律的研究
- 2022-01-29AP/CAP机组控制棒驱动机构密封焊缝激光焊接技术研究
- 2025-01-26SUS304/42CrMo4异种材料激光焊接接头微观组织及力学性能研究
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。