...
机译:基于DBN和辍学的过程故障诊断方法研究
近年来,深度学习表明了卓越的性能和模式识别和特征提取的潜力,吸引了从工程研究人员和学术上的增加的关注。基于深度学习的故障诊断方法也成为大量研究的重点。本文提出了一种基于DBN辍学的非线性过程故障诊断和识别方法。深度信仰网络(DBN)在处理非线性过程方面具有显着的优势,并且可以提取非线性过程数据的抽象表示来构建深度网络以实现过程操作的实时监控。辍学技术可以减少过度拟合并提高模型的泛化能力。之后,田纳西州伊斯特曼(TE)的进程受雇于分析所提出的方法的表现。 p> 摘要>
deep belief network; dropout; fault diagnosis; Tennessee Eastman process;
机译:基于DBN和辍学的过程故障诊断方法研究
机译:基于PVAC系统的能源性能诊断的P&ID自动故障识别:4S3F方法,DBN模型的开发和应用于ATES系统的应用
机译:基于简单模型的大型冷水机组过程故障自动检测与诊断(FDD)方法的开发与评估/讨论
机译:基于DBN的航空同步交流发电机短路故障诊断方法研究
机译:使用模式识别和基于半定量模型的方法进行化学过程故障诊断。
机译:旋转机械故障诊断:一种基于图像处理的方法
机译:基于改进DBN的可变条件变速箱的智能故障诊断方法与WPEE和MPE相结合