基于深度置信网络的高炉炉况故障分类方法的研究

• 作者: 岳有军 王红君 赵德涛 赵辉
• 来源期刊: 铸造技术
• 学科: 工学
• 关键词: 深度学习 高炉炉况 深度置信网络 特征提取 分类
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 装备技术
• 页码范围: 1028-1032
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16410/j.issn1000-8365.2018.05.021

摘要

随着智能制造和计算机技术的不断发展,现代工业系统趋向复杂化、智能化,使原有的工业系统故障诊断方法遭遇了瓶颈.近年来,深度学习在特征提取与模式识别方面展现出了与众不同的优势和潜力.针对高炉冶炼系统复杂性特点,结合深度学习在处理复杂分布数据,提取特征等方面的优势,提出一种基于深度置信网络模型的高炉炉况分类方法,分析并用实际样本数据对其进行测试.结果表明,该方法适用于高炉炉况分类,具有较强的特征提取能力和容错特性,性能优于BP 神经网络和支持向量机方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳有军		99	546	12.0	19.0
2	王红君		89	630	11.0	22.0
3	赵辉		109	841	15.0	25.0
4	赵德涛		1	0	0.0	0.0