仪器仪表学报

作者：陈里里1

单位：陈里里1,2，何颖1，董绍江1,（1?重庆交通大学 机电与车辆工程学院重庆400074；2?重庆市勘测院重庆4001121）,

关键词：关键词：液压泵;泄漏;堆栈稀疏自编码器;深度神经网络

基金：*基金项目：国家自然科学基金（51775072）、重庆市教委科学技术研究项目(KJ1729410)、重庆市基础与前沿研究计划（cstc2016jcyjA0526)、重庆市社会事业与民生保障科技创新专项（cstc2017shmsA30016）资助

摘要：针对液压信号的高度复杂性以及难以识别的特点，构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特?黄变换提取液压信号的低维特征，并输入深度神经网络。通过堆栈稀疏自编码器的逐层学习对特征进行优化并提取出高维特征，然后使用Softmax进行识别。实验结果表明，堆栈稀疏自编码器能够有效地提取液压泵泄漏状态的高维特征，构建的深度神经网络可有效地识别液压泵泄漏状态，识别精度达到了97?6%。此外与支持向量机、极限学习机、卷积神经网络以及长短期记忆网络相比，深度神经网络具有更好的识别效果。

来源：2020年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第4期