引入自适应学习率的深度学习模型及其应用OA北大核心CSCDCSTPCD
Deep learning model integrating with adaptive learning rate and its application
为了有效利用振动信号进行故障诊断,提出了一种基于自适应学习率的深度学习的行星齿轮箱故障诊断模型.针对深度信念网络(DBN)模型中学习率通常采用全局统一的常数型参数,提出了一种根据目标函数梯度的变化情况自适应调整学习率的DBN模型.采用学习率自适应调整的学习策略,能够加快DBN模型的迭代收敛速度,同时还能提高模型的识别准确率.将引入自适应学习率的DBN模型应用于行星齿轮箱故障诊断,直接通过原始振动信号实现行星齿轮箱健康状态的识别.实验结果表明:相比…查看全部>>
杨望灿;张培林;孙也尊;吴定海
陆军工程大学石家庄校区,河北石家庄 050003陆军工程大学石家庄校区,河北石家庄 050003驻二四七厂军事代表室,山西太原 030009陆军工程大学石家庄校区,河北石家庄 050003
机械制造
故障诊断深度学习深度信念网络自适应学习率行星齿轮箱
《华中科技大学学报（自然科学版）》 2018 (4)
往复机械振动的双树复小波包分析与在线异常检测方法研究
18-24,7
国家自然科学基金资助项目(51305454).
评论