典型文献
一种用于机械故障特征提取的多尺度稀疏滤波网络
文献摘要：
针对传统稀疏滤波网络缺乏多尺度特征提取能力,难以充分挖掘故障信息的问题,提出一种多尺度稀疏滤波网络.该网络包括5层:多尺度粗粒度层,以获取多尺度信号;样本分段层,对每个尺度的信号分段;局部特征提取层,计算每个片段的特征向量;特征平均化层,将单个尺度下所有片段的特征向量池化以得到输入信号在该尺度下的表征;特征堆叠层,将所有尺度下的表征堆叠成一个长向量,作为输入信号最终的特征向量.采集3个齿轮数据集进行实验验证,可视化和聚类结果表明,多尺度网络从齿轮振动信号中提取的特征比原始网络提取的特征更具区分性和判别性.用Softmax对这两种网络及3种传统多尺度方法提取的特征进行分类,结果显示,多尺度稀疏滤波网络对每种故障的识别精度均最高.同时,所提出的多尺度稀疏滤波网络的性能与两种其他框架下的多尺度网络相比非常具有竞争力.所提出的多尺度稀疏滤波网络可广泛用于机械故障诊断的特征提取阶段,能自动从大量无标注样本中挖掘有用的故障信息.
文献关键词：
故障诊断;特征提取;稀疏滤波网络;多尺度学习;样本分段;特征堆叠
中图分类号：
作者姓名：
张志强;杨清宇
作者机构：
西安交通大学自动化科学与工程学院,西安710049
文献出处：
引用格式：
[1]张志强;杨清宇-.一种用于机械故障特征提取的多尺度稀疏滤波网络)[J].控制与决策,2022(05):1267-1278
A类：
稀疏滤波网络,样本分段,特征堆叠
B类：
故障特征提取,多尺度特征提取,特征提取能力,故障信息,粗粒度,信号分段,局部特征提取,特征向量,平均化,池化,叠层,叠成,齿轮,轮数,多尺度网络,振动信号,区分性,判别性,Softmax,多尺度方法,识别精度,机械故障诊断,多尺度学习
AB值：
0.227505
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。
