【摘 要】
：
传统主元分析(Principal Component Analysis,PCA)、相对主元分析等多元统计法基于阈值诊断故障,由于是原空间等价表示,并未增加任何信息量,使得微小故障难以诊断;且降维分成
【机 构】
：
佛山科学技术学院机电工程与自动化学院,杭州电子科技大学自动化学院,广东省智慧城市基础设施健康监测与评估工程技术研究中心
【基金项目】
：
国家自然科学基金(No.61803087),广东省基础与应用基础研究基金粤港澳应用教学中心项目(No.2019KTSCX192),佛山市核心技术攻关项目(No.1920001001367),佛山市科技创新项目(No.2016AG10011)
论文部分内容阅读
传统主元分析(Principal Component Analysis,PCA)、相对主元分析等多元统计法基于阈值诊断故障,由于是原空间等价表示,并未增加任何信息量,使得微小故障难以诊断;且降维分成主元空间和残差空间,微小信息得不到充分表示.深度学习在模式识别方面有成功的应用,深度学习多层次网络对细节进行线性组合表示,但不具备可解释性,仅有训练结果无理论依据,机理分析困难.本文提出一种将主元分析思想与深度学习思想结合的故障诊断方法,在原PCA基础上先扩维再降维,使得原始空间中不能表达的信息充分表达,且具备
其他文献
图像序列光流计算是图像处理与计算机视觉等领域的重要研究方向.随着深度学习技术的快速发展,以卷积神经网络为代表的深度学习理论与方法成为光流计算技术研究的热点.本文主要对深度学习光流计算技术研究进行综述,首先介绍了有监督学习、无监督学习和半监督学习的光流计算网络模型与训练策略,然后重点阐述并分析了不同网络模型优化方法.针对光流计算模型的评估问题,分别介绍了Middlebury、MPI-Sintel和K
毫米波行波管可以为高速无线通信提供高性能与实用化的功率放大器解决方案.国外正在开展多项基于毫米波行波管的高速无线通信技术的研究,工作频率范围在71~300GHz.本文综述了