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

doi:10.13195/j.kzyjc.2021.1527

	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.