基于改进深度置信网络的故障诊断方法

2020-09-02 08:00:50陈子兆矫文成孙慧贤李月武
探测与控制学报 2020年4期
关键词:故障诊断故障实验

陈子兆,矫文成,孙慧贤,李月武

(陆军工程大学石家庄校区,河北 石家庄 050003)

0 引言

故障诊断[1]是指在系统运行过程中,通过各种监测手段判别其工作是否正常,分析指出系统当前所处的状态,便于管理人员维修的一种技术诊断方法分为基于图论的方法[2]、基于专家系统的方法[3]、基于解析模型的方法[4]、基于数据驱动的方法[5]等。基于深度置信网络的故障诊断方法便是基于数据驱动方法中较为常用的一种。

深度置信网络(deep belief network)是一种具有高维数据训练能力的多层神经网络模型[6]。其通过训练多层限制波尔茨曼机(restricted boltzmann machine)对输入数据特征进行学习和识别,已成功应用于文本检测[7]、序列预测[8]、情感分析[9]等领域。在故障诊断[10]领域,基于深度置信网络的故障诊断方法也已经在模拟电路[11]、机械轴承[12]、风力电机[13]等方向展露风采。美中不足的是,该故障诊断方法仍存在着诸多关键问题亟待解决,其一是深度置信网络(DBN)出现过拟合后,导致故障诊断的准确率下降的问题,目前较好的解决方法是Hinton教授提出dropout策略[14-15]和添加稀疏正则项[16]策略;其二是训练小样本数据时,网络模型训练不充分导致准确率低的问题,现阶段主要有迁移学习、强化特征提取、重复训练数据集、增加数据集数据量等解决方案。

迁移学习也称为归纳学习,是将某个领域上学习到的知识应用于不同但相关的领域中的一种学习策略,文献[17—19]中便成功将迁移学习应用于小样本数据集上。但是由于无法确定迁移学习中原域和目标域的界限,所以迁移学习在故障诊断中的应用也十分有限。……

登录APP查看全文

猜你喜欢
故障诊断故障实验
记一次有趣的实验
故障一点通
做个怪怪长实验
NO与NO2相互转化实验的改进
实践十号上的19项实验
太空探索(2016年5期)2016-07-12 15:17:55
奔驰R320车ABS、ESP故障灯异常点亮
故障一点通
江淮车故障3例
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断
机械与电子(2014年1期)2014-02-28 02:07:31