基于改进的DAEN在TE过程故障诊断中的应用研究

• 作者: 张远绪 程换新
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度自编码网络 稀疏理论 反向传播神经网络 支持向量机 K最近邻 Softmax分类器 田纳西伊斯曼过程 故障诊断
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 理论与算法
• 页码范围: 56-60
• 页数: 5页
• 分类号: TP277|TN98
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802489

摘要

现代化工生产过程中故障情况十分复杂,具有非线性、多种类、少标签问题,传统方法很难建立准确的诊断模型.基于深度自编码网络(DAEN),提出了一种新型智能故障诊断方法,并且添加Softmax分类器,构建了深度自编码网络诊断模型.该模型采取稀疏理论进行了改进,解决故障数据少,与正常数据不平衡问题.并且所提方法采取大量无标签样本作为训练集,进行预训练,优化模型参数,并以少量有标签样本作为测试集.进行微调.通过田纳西伊斯曼(TE)过程仿真数据实验结果表明,相比较支持向量机(SVM)、K最近邻(KNN)等学习方法,DAEN与Softmax回归结合,得到更高的故障诊断正确率;而相比传统的DAEN诊断方法、以及基于反向传播神经网络(BPNN)的传统机器学习故障诊断方法,本文改进的DAEN诊断方法诊断精度得到明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程换新		26	98	4.0	9.0
2	张远绪		4	5	2.0	2.0