基于DropOut降噪自编码的磨矿系统故障诊断

• 作者: 付东东 徐承成 曲星宇 曾鹏
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 故障诊断 自动编码器 DropOut 降噪自编码 Softmax分类器 深度学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1662-1666
• 页数: 5页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.0597

摘要

磨矿系统的故障诊断主要依据工人的经验,这为故障诊断'加了大量不确定性.此外,磨矿系统的数据较为复杂,不仅工人难以对故障的发生进行准确判断,而且传统机器学习算法也由于数据的线性不可分而表现不佳.为了解决线性不可分问题,使用神经网络进行故障分类;面对故障数据的高复杂度,为提高神经网络的表达能力,使用自动编码器增加网络深度;为减弱深层网络带来的过拟合现象,引入DropOut降噪自编码.最后进行实验验证,实验结果表明,DropOut降噪自编码网络对于故障的分类准确率可达到90.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾鹏	中国科学院沈阳自动化研究所工业信息学重点实验室	122	1475	18.0	36.0
5	曲星宇	中国科学院沈阳自动化研究所工业信息学重点实验室	6	15	2.0	3.0
14	徐承成	东北大学信息科学与工程学院	1	1	1.0	1.0
15	付东东	东北大学信息科学与工程学院	1	1	1.0	1.0