基于随机变分推理贝叶斯神经网络的发电机轴承故障诊断 | |
王进花1,2,3; 岳亮辉3; 曹洁3,4; 马佳林4 | |
刊名 | 控制与决策
![]() |
2022-02-07 | |
页码 | 1-8 |
关键词 | 发电机轴承 故障诊断 深度学习 贝叶斯神经网络 随机变分推理 |
DOI | 10.13195/j.kzyjc.2021.1527 |
英文摘要 | 近年来,许多基于深度学习的方法被用于故障诊断领域,并且取得了良好的效果,但是发电机故障样本数据难以获取,在数据量较少的情况下,基于深度学习的方法存在过拟合现象,导致模型泛化能力差、诊断精度不高。为了解决这一问题,本文提出一种基于随机变分推理贝叶斯神经网络的故障诊断方法,该方法以贝叶斯推理与随机变分推理为基础,可以根据少量数据得到较为可靠的模型,获得网络各层参数的概率分布,可以有效解决过拟合的问题。采用证据下限(Evidence Lower Bound,ELBO)派生类函数TraceGraph ELBO进行随机变分推理,解决派生类函数Trace ELBO诊断精度较低问题。将该方法应用于发电机轴承的故障诊断,并与其他方法对比,结果表明,该方法在故障样本数据量较少的情况下具有较高的诊断性能。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/155814] ![]() |
专题 | 电气工程与信息工程学院 兰州理工大学 |
作者单位 | 1.兰州理工大学电气与控制工程国家实验教学中心; 2.甘肃工业过程先进控制重点实验室; 3.兰州理工大学电气工程与信息工程学院; 4.兰州理工大学计算机与通信学院 |
推荐引用方式 GB/T 7714 | 王进花,岳亮辉,曹洁,等. 基于随机变分推理贝叶斯神经网络的发电机轴承故障诊断[J]. 控制与决策,2022:1-8. |
APA | 王进花,岳亮辉,曹洁,&马佳林.(2022).基于随机变分推理贝叶斯神经网络的发电机轴承故障诊断.控制与决策,1-8. |
MLA | 王进花,et al."基于随机变分推理贝叶斯神经网络的发电机轴承故障诊断".控制与决策 (2022):1-8. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论