10.3969/j.issn.1000-3428.2017.07.047
基于深度学习的航空传感器故障诊断方法
为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法.利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器.离线训练时,利用飞行数据训练深度置信网络观测器.在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法.仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构.
航空传感器、故障诊断、深度学习、深度置信网络、故障隔离、信号重构
43
TP393(计算技术、计算机技术)
2017-08-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
281-287