典型文献
基于深度学习的健美操力量训练器故障监测方法
文献摘要：
针对传统故障监测方法对精密的健美操力量训练器故障监测精度低的问题,通过优化卷积神经网络随机梯度下降算法中的梯度下降方式和学习率,并将提取的训练器振动信号特征作为改进卷积神经网络输入,提出一种基于深度学习的健美操力量训练器故障监测方法.仿真结果表明,所提方法对卷积神经网络改进有效,利用改进的卷积神经网络可识别监测健美操力量训练器不同类型、不同位置和不同程度的故障,平均监测准确率达到97.75％,对训练器正常状态和4根转子断裂的轴承故障监测准确率达到100％.相较于改进前卷积神经网络,所提监测方法的监测准确率提高了 7.50％,相较于常用故障监测算法,所提方法的监测准确率均有不同程度的提升,具有一定的有效性和优越性,并采用改进卷积神经网络进行分类识别,可有效监测.
文献关键词：
深度学习;健美操力量训练器;故障监测;卷积神经网络
中图分类号：
作者姓名：
周煜;冯建强
作者机构：
西安理工大学,西安710048
文献出处：
引用格式：
[1]周煜;冯建强-.基于深度学习的健美操力量训练器故障监测方法)[J].自动化与仪器仪表,2022(08):24-28
A类：
健美操力量训练器
B类：
故障监测,监测方法,监测精度,随机梯度下降算法,学习率,振动信号,信号特征,改进卷积神经网络,进有,不同位置,正常状态,转子断裂,轴承故障,进前,监测算法,分类识别,有效监测
AB值：
0.160301
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。
