基于稀疏自编码神经网络的产品再设计模块识别方法 |
| |
引用本文: | 马斌彬,马红占,褚学宁,李玉鹏.基于稀疏自编码神经网络的产品再设计模块识别方法[J].上海交通大学学报,2019(7). |
| |
作者姓名: | 马斌彬 马红占 褚学宁 李玉鹏 |
| |
作者单位: | 上海交通大学机械与动力工程学院;中国矿业大学矿业工程学院 |
| |
摘 要: | 提出了基于性能时变数据分析的再设计模块识别方法.利用产品在健康状态下的性能时变数据构建无监督学习的稀疏自编码神经网络(SAENN)模型,以用于健康状态下产品性能数据的特征提取以及产品功能退化程度的评估;将产品在健康状态下的性能数据用于训练SAENN模型,使用运行期间的性能时变数据更新产品的状态特征,以反映功能的退化过程;通过对比功能间的退化差异来识别需要再设计模块;同时,以某制造企业水平定向钻产品再设计功能模块的识别为例验证了所提方法的可行性.结果表明,所提出的再设计模块识别方法具有较好的准确性,能够识别需改进的功能模块,识别结果可作为产品再设计的依据.
|
本文献已被 CNKI 等数据库收录! |
|