典型文献
基于改进自编码网络的轴承振动异常检测
文献摘要：
近年来,自编码器和神经网络技术已被广泛研究并应用于轴承振动等工业数据的异常检测问题上,但仍存在着训练数据量大、网络参数初始化、训练效率较低、异常检测效果较差等问题.为解决上述问题,提出了一种结合马氏距离和自编码网络的异常检测方法.利用轴承振动数据特征之间具有一定相关性的特点,通过数据的马氏距离快速检测出部分异常数据,减少了自编码网络的训练数据量;用自编码器结合分类器构建自编码网络,解决了网络参数初始化问题并且显著提高了训练效率;将数据的马氏距离作为特征加入训练中提升了自编码网络的异常检测效果;在自编码器中加入稀疏性限制并构造先升维再编码的结构,增强了自编码器的特征学习能力和收敛性.实验结果表明,针对低维轴承振动数据,提出的方法较其他异常检测方法具有较好的检测效果且具有一定的稳定性和泛化能力.
文献关键词：
自编码器;轴承振动;异常检测;马氏距离;自编码网络
中图分类号：
作者姓名：
李贝贝;彭力
作者机构：
江南大学 物联网工程学院,江苏 无锡 214122
文献出处：
引用格式：
[1]李贝贝;彭力-.基于改进自编码网络的轴承振动异常检测)[J].计算机科学与探索,2022(01):163-175
A类：
B类：
自编码网络,轴承振动,振动异常,自编码器,神经网络技术,工业数据,检测问题,训练数据,数据量,网络参数,参数初始化,训练效率,检测效果,马氏距离,异常检测方法,数据特征,快速检测,异常数据,分类器,稀疏性,升维,特征学习能力,收敛性,低维,泛化能力
AB值：
0.214446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
