[发明专利]基于参数优化的深度信念网络模型的TE过程故障诊断方法有效
| 申请号： | 201910521837.3 | 申请日： | 2019-06-17 |
| 公开（公告）号： | CN110297480B | 公开（公告）日： | 2022-07-01 |
| 发明（设计）人： | 黄迪;张卫;黄家华 | 申请（专利权）人： | 重庆仲澜科技有限公司 |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02 |
| 代理公司： | 重庆为信知识产权代理事务所(普通合伙) 50216 | 代理人： | 余锦曦 |
| 地址： | 401331 重庆市沙坪坝*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于参数优化的深度信念网络模型的TE过程故障诊断方法，按照以下步骤进行：以TE过程为研究对象进行试验仿真，得到仿真数据，并将该仿真数据分成训练集数据样本和测试集数据样本；基于量子粒子群算法，对深度信念网络进行优化，得到优化深度信念网络；将训练集数据样本带入优化深度信念网络进行训练，得到TE过程深度信念网络故障诊断模型；将测试集数据样本带入TE过程深度信念网络故障诊断模型，对TE过程的故障进行诊断，得到测试集故障数据样本；根据测试集故障数据样本，对故障诊断结果进行评估。有益效果：收敛速度更快，全局收敛能力更强，避免了DBN算法易陷入局部最小值、训练不充分及早熟现象。 | ||
| 搜索关键词： | 基于 参数 优化 深度 信念 网络 模型 te 过程 故障诊断 方法 | ||
【主权项】：
1.一种基于参数优化的深度信念网络模型的TE过程故障诊断方法，其特征在于按照以下步骤进行：步骤1：以TE过程为研究对象进行试验仿真，得到仿真数据，并将该仿真数据分成训练集数据样本和测试集数据样本；步骤2：基于量子粒子群算法，对深度信念网络进行优化，得到优化深度信念网络；步骤3：将训练集数据样本带入优化深度信念网络进行训练，得到TE过程深度信念网络故障诊断模型；步骤4：将测试集数据样本带入TE过程深度信念网络故障诊断模型，对TE过程的故障进行诊断，得到测试集故障数据样本诊断结果；步骤5：根据测试集故障数据样本，对步骤4得到的测试集故障数据样本诊断结果进行对比评估。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆仲澜科技有限公司，未经重庆仲澜科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910521837.3/，转载请声明来源钻瓜专利网。
