孙文珺
- 作品数：5 被引量：98H指数：2
- 供职机构：东南大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于深度学习模型的感应电机故障诊断方法研究
- 感应电机作为一种必不可缺的驱动装置，在现代工业生产中占据着重要地位。一旦电机出现故障，不仅影响生产设备的整体生产效率，造成经济损失，严重时可能会引发灾难性的事故。因此，为了保障生产系统的安全运行，及时发现问题并进行维修以...
- 孙文珺
- 关键词：感应电机故障诊断卷积神经网络
- 基于判别性卷积特征学习的感应电机故障诊断方法
- 本发明公开了一种基于判别性卷积特征学习的感应电机故障诊断方法，包括如下步骤：采集已知故障类别的感应电机振动信号，并按类别对电机振动信号进行标记，获得训练样本；分别对训练样本进行判别性卷积特征学习，利用学习到的特征向量来表...
- 严如强孙文珺赵锐邵思羽陈雪峰
- 基于稀疏自动编码深度神经网络的感应电动机故障诊断被引量：91
- 2016年
- 针对目前感应电动机故障诊断大多采用监督学习提取故障特征的现状,提出一种将去噪编码融入稀疏自动编码器的深度神经网络,实现非监督学习的特征提取并用于感应电动机的故障诊断。稀疏自动编码器通过自动学习复杂数据的内在特征来提取简明的数据特征表达。为提高特征表达的鲁棒性,在稀疏编码器的基础上融入去噪编码,提取更有效的特征表达用来训练神经网络分类器进而完成整个深度神经网络的构建,并结合反向传播算法对深度神经网络进行整体微调,提升故障分类的准确度。整个训练过程引入'dropout'训练技巧,减少因过拟合带来的预测误差。试验结果表明,相比传统反向传播(Back propagation,BP)神经网络,提出的深度神经网络能更有效地实现感应电动机故障诊断。
- 孙文珺邵思羽严如强
- 关键词：DROPOUT故障诊断
- 基于判别性卷积神经网络的感应电机故障诊断
- 针对现有故障诊断大多基于信号处理方法的现状,提出一种基于判别性卷积神经网络的智能特征学习方法并用于感应电机故障诊断.首先利用BP神经网络从已知故障类型的电机振动信号中学习卷积层滤波器权值,使之能够获取具判别性的特征信息....
- 孙文珺邵思羽严如强
- 关键词：感应电机故障诊断卷积神经网络
- 文献传递
- 基于判别性卷积特征学习的感应电机故障诊断方法
- 本发明公开了一种基于判别性卷积特征学习的感应电机故障诊断方法，包括如下步骤：采集已知故障类别的感应电机振动信号，并按类别对电机振动信号进行标记，获得训练样本；分别对训练样本进行判别性卷积特征学习，利用学习到的特征向量来表...
- 严如强孙文珺赵锐邵思羽陈雪峰
- 文献传递
