论文部分内容阅读
针对空分设备运行过程中产生的数据噪声大、特征提取困难等问题,采用深度信念网络(Deep Belief Network, DBN)方法实现空分设备的故障诊断。该方法采用对比散度(Contrastive Divergence, CD)方法和误差反向传播(Back Propagation, BP)算法分别进行模型的预训练和调优,使得参数θ达到全局最优,最后经Softmax分类器进行故障模式识别。将上述方法在某空分设备上进行实验,实验结果表明,该方法在空分设备故障诊断方面的准确性优于BP神经网络,对空分设备