论文摘要
针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺,且传统浅层神经网络诊断精度不高等问题,结合深度置信网络(DBN)在特征提取和处理非线性数据等方面的优势,提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据,实现训练网络的无监督特征学习和有监督微调,构建空压机故障的深层网络模型,从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性,与传统的故障诊断方法进行了比较研究,结果表明,该方法的诊断精度优于传统的故障诊断方法,且稳定性更好。
论文目录
文章来源
类型: 期刊论文
作者: 鲁春燕,李炜
关键词: 空压机,深度置信网络模型,故障诊断,稳定性
来源: 化工学报 2019年02期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 石油天然气工业
单位: 兰州理工大学电气工程与信息工程学院,甘肃省工业过程先进控制重点实验室,兰州理工大学国家级电气与控制工程实验教学中心
基金: 国家自然科学基金项目(61364011,61461028),甘肃省先进控制重点实验室开放基金项目(XJK201809)
分类号: TE96
页码: 757-763
总页数: 7
文件大小: 1102K
下载量: 305
相关论文文献
标签:空压机论文; 深度置信网络模型论文; 故障诊断论文; 稳定性论文;