基于改进的DAEN在TE过程故障诊断中的应用研究
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.
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
42
TP277;TN98(自动化技术及设备)
2019-08-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
56-60