化工自动化及仪表
化工自動化及儀錶
화공자동화급의표
CONTROL AND INSTRUMENTS IN CHEMICAL INDUSTRY
2013年
4期
435-438
,共4页
陈立军%孙凯%侯媛媛%海冉冉
陳立軍%孫凱%侯媛媛%海冉冉
진립군%손개%후원원%해염염
机器学习%极限学习机%支持向量机%汽轮机%故障诊断
機器學習%極限學習機%支持嚮量機%汽輪機%故障診斷
궤기학습%겁한학습궤%지지향량궤%기륜궤%고장진단
machine learning%extreme learning machine%support vector machine%steam turbine%fault diagnosis
针对汽轮机故障诊断中出现的多故障识别问题,为有效提高汽轮机多故障诊断的准确率,提出了基于极限学习机的汽轮机故障诊断方法.极限学习机算法在训练时只需设置隐含层神经元个数,从而解决了如神经网络及支持向量机等多参数选取困难的问题,有效地提高了学习机的训练速度.在确定了最优参数的基础上,将极限学习机应用于汽轮机故障诊断模型中,并将极限学习机的故障诊断结果与支持向量机的诊断结果进行对比.结果表明:基于极限学习机的多故障诊断速度及准确率均明显优于支持向量机的诊断结果,对汽轮机故障诊断的实践有非常显著的指导作用.
針對汽輪機故障診斷中齣現的多故障識彆問題,為有效提高汽輪機多故障診斷的準確率,提齣瞭基于極限學習機的汽輪機故障診斷方法.極限學習機算法在訓練時隻需設置隱含層神經元箇數,從而解決瞭如神經網絡及支持嚮量機等多參數選取睏難的問題,有效地提高瞭學習機的訓練速度.在確定瞭最優參數的基礎上,將極限學習機應用于汽輪機故障診斷模型中,併將極限學習機的故障診斷結果與支持嚮量機的診斷結果進行對比.結果錶明:基于極限學習機的多故障診斷速度及準確率均明顯優于支持嚮量機的診斷結果,對汽輪機故障診斷的實踐有非常顯著的指導作用.
침대기륜궤고장진단중출현적다고장식별문제,위유효제고기륜궤다고장진단적준학솔,제출료기우겁한학습궤적기륜궤고장진단방법.겁한학습궤산법재훈련시지수설치은함층신경원개수,종이해결료여신경망락급지지향량궤등다삼수선취곤난적문제,유효지제고료학습궤적훈련속도.재학정료최우삼수적기출상,장겁한학습궤응용우기륜궤고장진단모형중,병장겁한학습궤적고장진단결과여지지향량궤적진단결과진행대비.결과표명:기우겁한학습궤적다고장진단속도급준학솔균명현우우지지향량궤적진단결과,대기륜궤고장진단적실천유비상현저적지도작용.
