《表3 故障诊断结果:基于深度学习与信息融合的燃气轮机故障诊断》
根据KPCA方法提取的主元个数和状态模式数目设置DBN和ELM网络的输入层和输出层神经元数分别为6和4,分别用基于KPCA方法提取的A1,A2,A3,A4四种状态中每种状态的20组特征训练数据创建DBN和ELM故障诊断模型。而后将每种状态的20组特征测试数据送入创建的DBN和ELM故障诊断模型,对燃气轮机关键部件进行诊断,得到故障诊断结果。A1,A2,A3,A4的状态模式目标输出分别为(1,0,0,0)T,(0,1,0,0)T,(0,0,1,0)T,(0,0,0,1)T。DBN和ELM网络对测试样本故障诊断结果,如表3所示。
图表编号 | XD003928600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.08 |
作者 | 崔建国、刘瑶、于明月、江秀红 |
绘制单位 | 沈阳航空航天大学自动化学院、航空工业上海航空测控技术研究所故障诊断与健康管理技术航空科技重点实验室、沈阳航空航天大学自动化学院、沈阳航空航天大学自动化学院、沈阳航空航天大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |