计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (20): 264-269.DOI: 10.3778/j.issn.1002-8331.1909-0243
唐魏,郑源,潘虹,徐晶珺
TANG Wei, ZHENG Yuan, PAN Hong, XU Jingjun
摘要:
为提高轴承故障分类收敛速度和分类精度,提出一种动态调节学习率的堆叠自编码网络(SAE)。初始时刻给予一个较大的学习率,迭代过程中利用当前重构误差动态调节学习率的大小,根据重构误差梯度的正负值给出两种不同的学习率减小策略,使学习率大小更符合网络当前的运行状态,最后通过不同的有标签数据量进行反向微调,验证故障分类识别的准确率。实验结果表明:相比固定学习率,该动态调节学习率SAE网络预训练收敛时间减少17.70%,重构误差下降22.92%,故障分类准确率得到提高,且能在保持分类准确率的前提下,减少有标签样本量。