一种带稀疏化离散余弦 Stockwell 变换层的不对称自编码器用于齿轮箱传感器数据压缩
机器学习
2023-10-05 v1 人工智能
信号处理
摘要
缺乏高效的压缩模型仍是非接触式齿轮故障诊断问题中齿轮箱数据无线传输的挑战。本文中，我们提出一种具有变换域层的信号自适应不对称自编码器以压缩传感器信号。首先，引入一种新的离散余弦 Stockwell 变换（DCST）层以替换多层自编码器中的线性层。利用卷积的乘法性质，在 DCST 域中实现可训练滤波器。应用可训练硬阈值层以减少 DCST 层中的冗余数据，使特征图稀疏。与线性层相比，DCST 层减少了可训练参数数量并提高了数据重建精度。其次，训练带稀疏化 DCST 层的自编码器仅需少量数据集。所提方法在康涅狄格大学（UoC）与东南大学（SEU）齿轮箱数据集上优于其他基于自编码器的方法，因为在有限训练样本下平均质量分数最低提升 2.00%、最高提升 32.35%。
引用
@article{arxiv.2310.02862,
title = {A novel asymmetrical autoencoder with a sparsifying discrete cosine Stockwell transform layer for gearbox sensor data compression},
author = {Xin Zhu and Daoguang Yang and Hongyi Pan and Hamid Reza Karimi and Didem Ozevin and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2310.02862},
year = {2023}
}