10.3969/j.issn.1000-386x.2022.07.014
基于改进栈式降噪自编码器的控制系统故障诊断
为了提高控制系统故障检测和分类能力,提出核主成分分析(KPCA)与栈式降噪自编码(SDAE)神经网络相结合的控制系统故障诊断方法.利用KPCA对故障数据进行非线性数据处理,再把数据输入到SDAE神经网络中进行无监督训练,获取最优网络参数,以Softmax分类层作为输出层实现故障分类.该模型有效解决了控制系统中慢漂移故障特征不明显导致模型故障诊断准确率低的问题,提高了故障诊断精度.通过TE系统实验,验证了该算法的有效性和卓越性.
控制系统、故障诊断、栈式降噪自编码器、核主成分分析、Softmax分类器
39
TP277(自动化技术及设备)
2022-08-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
89-94,127
