改进深度置信网络对TE过程故障诊断研究

• 作者: 王建庆 程换新
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: TE过程 故障诊断 深度置信网络 惩罚正则项 拉普拉斯函数
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 故障预测与健康管理
• 页码范围: 117-120
• 页数: 4页
• 分类号: TP277|TN98
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802414

摘要

为了实现对TE过程的故障诊断,改进了深度置信网络(DBN)的故障诊断方法.传统DBN在训练过程有冗余特性,减弱网络的特征提取能力,改进DBN在无监督学习阶段的似然函数中加入惩罚正则项,通过稀疏约束得到DBN训练集的稀疏分布,再用Laplace函数的分布引导DBN节点的稀疏状态,用Laplace函数中的位置参数控制稀疏的力度,使无标签的数据特征更加直观的表示出来,最后将改进DBN和传统DBN、BP神经网络的仿真实验结果进行对比.实验结果,证明改进的DBN在故障诊断方面优于传统DBN和BP神经网络,达到了最好的诊断准确度,具有很高的理论研究价值.

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	王建庆		1	0	0.0	0.0