一种抑制残差污染的补偿型自联想神经网络

• 作者: 任少君 司风琪 曹越 肖晋飞 陈家乐
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 自联想神经网络 残差污染 残差补偿 故障诊断
• 年，卷（期）: 2020,（4）
• 页码范围: 712-720
• 页数: 9页
• 分类号: TP206.3
• 字数: 7430字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2020.04.016

摘要

针对常规自联想神经网络容易陷入残差污染而难以准确重构的问题,提出了一种新的补偿型自联想神经网络算法.该算法通过在常规自联想神经网络的测试过程中引入网络补偿层,建立了网络输入层与残差空间之间的调整机制,并采用梯度下降法快速获取目标变量的残差补偿幅值.给出了单变量和多变量残差补偿量计算流程,通过比较补偿后平方预测误差(SPE)统计量的大小来确定最佳补偿方向和补偿幅值,从而定位到异常点位置,并计算出模型重构值.通过仿真算例和工程算例验证了所提算法的有效性,算例结果表明,该算法能够在未知异常点位置的情况下,有效克服大幅度异常和多点并行异常造成的残差污染影响,其诊断和重构性能明显优于常规自联想神经网络和主成分分析算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	司风琪	东南大学能源热转换及其过程测控教育部重点实验室	157	1548	21.0	30.0
2	曹越	东南大学能源与环境学院	5	15	1.0	3.0
3	任少君	东南大学能源热转换及其过程测控教育部重点实验室	12	17	2.0	4.0
4	肖晋飞	东南大学能源与环境学院	2	0	0.0	0.0
5	陈家乐	东南大学能源热转换及其过程测控教育部重点实验室	1	0	0.0	0.0