10.3969/j.issn.1000-3932.2018.09.011
固体氧化物燃料电池多工况特征提取与多故障识别
针对新型固体燃料电池(SOFC)系统在多工况下快速识别故障的需要,研究基于深度自动编码器(AutoEncoder)的故障特征提取方法,通过处理多种工况下的工业数据,提取出有效的特征.并使用基于Softmax多层神经网络对特征数据进行模式分类,达到多故障识别的目的.通过实践证明,基于深度神经网络和多层分类网络的故障识别系统能够有效地识别多工况下的不同故障.
神经网络、特征提取、故障识别、固体氧化物燃料电池、自动编码器、Softmax、深度学习
45
TP183(自动化基础理论)
国家自然科学基金项目5177070084
2018-10-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
709-713