基于DBN和EEMD方法的精轧测温传感器故障诊断与分类

摘要：

为了减少轧制过程温度测量不准引发的钢产品质量问题,该文采用DBN网络和EEMD模态分析相结合的方法,建立精轧后测温传感器故障诊断与分类模型.首先建立DBN的温度预报模型,对精轧后温度进行预测;其次对预报温度与实际温度的差值进行EEMD特征提取;最后,构建DBN故障诊断与分类模型,用方差、方差百分比、能量、能量百分比方法分别或者联合的方法构建特征向量集,并将这些向量集作为故障模型的输入,对正常情况、漂移、精度下降、冲击、固定偏差等故障进行诊断与分类.以六架精轧机组的带钢生产为例进行仿真实验,结果表明,建立的模型具有很好的故障诊断与分类能力.

关键词：故障诊断与分类、精轧、温度传感器、深度信念网络、集合经验模态分解

所属期刊栏目：36

分类号：TH811;TP212.9

在线出版日期：2021-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：70-74