-
全部
主办单位：煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
樊红卫马宁阁张旭辉高烁琪曹现刚马宏伟
西安科技大学 机械工程学院陕西省矿山机电装备智能监测重点实验室
通过磨粒铁谱图像识别可实现机械设备磨损状态识别，但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差。为解决上述问题，提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法。将多个降噪自编码网络进行堆叠，即上一个降噪自编码网络隐含层的输出作为下一个降噪自编码网络的输入，并在最后一个降噪自编码网络隐含层后添加Softmax分类器，从而构建堆栈降噪自编码网络；利用磨粒铁谱图像对堆栈降噪自编码网络进行无监督预训练，并通过有监督微调优化网络参数，对磨粒铁谱图像进行分类，实现机械设备磨损状态智能识别。实验结果表明：当堆栈降噪自编码网络的激活函数为Relu、优化器为Adam、学习率为0.001时，网络性能最佳，识别准确率达98.43%。
机械设备 磨损状态识别 铁谱图像 堆栈降噪自编码网络
图(9) / 表(0)
主办单位：煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会
工矿自动化 
2020年第11期 
在线阅读
