基于深度置信网络的同步发电机故障诊断方法

• 作者: 李俊卿 李斯璇 陈雅婷
• 来源期刊: 华北电力大学学报（自然科学版）
• 学科: 工学
• 关键词: 同步发电机 深度置信网络 故障诊断 故障分类
• 年，卷（期）: 2020,（5）
• 页码范围: 48-55
• 页数: 8页
• 分类号: TM341
• 语种: 中文
• DOI: 10.3969/j.ISSN.1007-2691.2020.05.06

摘要

为解决同步发电机传统故障诊断方法依赖专家经验和信号处理技术提取故障特征的问题,提出一种基于深度置信网络(Deep Believe Network,DBN)的同步发电机故障诊断方法,以受限玻尔兹曼机为基本单元搭建深度置信网络,输入样本为同步发电机的正常状态和定子匝间短路、转子匝间短路故障状态下的各项数据,利用贪婪学习算法优化各层之间的连接权重,最后通过反向传播算法采用监督方式微调整个网络,最后通过Softmax分类器输出分类结果.实验结果表明,相比于传统的模式识别方法,DBN故障诊断方法不仅能给出更好的特征描述,降低分类任务的复杂度,而且能得到更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊卿		82	958	15.0	28.0
2	陈雅婷		7	5	1.0	2.0
3	李斯璇		3	0	0.0	0.0