科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文设计一款基于改进稀疏自编码器构建深度神经网络识别模型，可以准确感知精密机械零件运行状态。首先，基于谐波算法去除机械原始信号谐波分量，使用小波变换提取机械信号时频特征生成时域分析图；其次，构建稀疏自编码深度神经网络，为网络交叉熵损失函数增加权重衰减项与稀疏正则化项，实现自编码器稀疏约束，从而构建高性能的深度神经网络机械特征识别模型。测试结果显示：包含4层稀疏自编码器的深度神经网络模型识别机械运行特征效果最佳，误差在2.3%～4.0%之间，有效提升机械运行特征识别与分类精度，具有广阔的市场应用前景。
-
单位合肥共达职业技术学院
