基于SSAE的非线性系统故障分类方法
作者:
杨泽宇
[1]
王培良
[2]
叶晓丰
[1]
关键词:
堆叠稀疏自动编码器
核独立成分分析
softmax分类器
故障分类
TE过程
摘要：
针对核独立成分分析(KICA)方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆叠稀疏自动编码器(SSAE)与KICA方法结合的复杂系统故障分类方法.首先利用KICA提取数据的主导独立成分,然后通过SSAE和softmax分类器所构成的完整SSAE分类算法建立模型,该模型采用非监督逐层贪婪训练算法初始化网络权重,并使用有限内存拟牛顿(L-BFGS)算法进行反向微调各参数,最后将过程数据输入到该训练好的模型,实现故障分类.TE过程的实验结果表明,KICA-SSAE算法的故障平均分类精度较高,表现出良好的分类效果.
上一篇： 基于空间信息熵活动轮廓模型的图像分割
下一篇： 基于无线网络节点的烟火探测器硬件设计