基于SSAE的非线性系统故障分类方法
来源期刊:控制工程2018年第11期
论文作者:杨泽宇 王培良 叶晓丰
文章页码:2003 - 2009
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。
杨泽宇1,王培良1,2,叶晓丰1
1. 杭州电子科技大学电子信息学院2. 湖州师范学院工学院
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。
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;