10.3969/j.issn.1001-0505.2020.04.016
一种抑制残差污染的补偿型自联想神经网络
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.
自联想神经网络、残差污染、残差补偿、故障诊断
50
TP206.3(自动化技术及设备)
国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目;江苏高校“青蓝工程”资助项目;江苏高校优势学科建设工程资助项目
2020-09-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
712-720