引入自适应学习率的深度学习模型及其应用 |
| |
引用本文: | 杨望灿,张培林,孙也尊,吴定海.引入自适应学习率的深度学习模型及其应用[J].华中科技大学学报(自然科学版),2018(4):18-24. |
| |
作者姓名: | 杨望灿 张培林 孙也尊 吴定海 |
| |
作者单位: | 陆军工程大学石家庄校区;驻二四七厂军事代表室 |
| |
摘 要: | 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:相比于其他特征提取、分类方法以及原始的DBN模型,提出的深度学习模型能够更有效地实现行星齿轮箱的故障诊断.
|
关 键 词: | 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 |
Deep learning model integrating with adaptive learning rate and its application |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|