计算机工程与应用

2020, v.56;No.963(20) 264-269

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

引入动态调节学习率的SAE轴承故障诊断研究
Roller Bearing Fault Diagnosis Based on Stacked Auto-encoder with Dynamic Learning Rate

唐魏;郑源;潘虹;徐晶珺;

摘要(Abstract):

为提高轴承故障分类收敛速度和分类精度,提出一种动态调节学习率的堆叠自编码网络(SAE)。初始时刻给予一个较大的学习率,迭代过程中利用当前重构误差动态调节学习率的大小,根据重构误差梯度的正负值给出两种不同的学习率减小策略,使学习率大小更符合网络当前的运行状态,最后通过不同的有标签数据量进行反向微调,验证故障分类识别的准确率。实验结果表明:相比固定学习率,该动态调节学习率SAE网络预训练收敛时间减少17.70%,重构误差下降22.92%,故障分类准确率得到提高,且能在保持分类准确率的前提下,减少有标签样本量。

关键词(KeyWords): 自编码;深度学习;故障诊断;滚动轴承;动态学习率

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.51809082,No.51769035)

作者(Author): 唐魏;郑源;潘虹;徐晶珺;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享