改进深度置信网络对TE过程故障诊断研究

来源：电子测量技术杂志2019年第9期北京时间：

作者：程换新，王建庆

摘要：为了实现对TE过程的故障诊断，改进了深度置信网络（DBN）的故障诊断方法。传统DBN在训练过程有冗余特性，减弱网络的特征提取能力，改进DBN在无监督学习阶段的似然函数中加入惩罚正则项，通过稀疏约束得到DBN训练集的稀疏分布，再用Laplace函数的分布引导DBN节点的稀疏状态，用Laplace函数中的位置参数控制稀疏的力度，使无标签的数据特征更加直观的表示出来，最后将改进DBN和传统DBN、BP神经网络的仿真实验结果进行对比。实验结果，证明改进的DBN在故障诊断方面优于传统DBN和BP神经网络，达到了最好的诊断准确度，具有很高的理论研究价值。

关键词：TE过程;故障诊断;深度置信网络;惩罚正则项;拉普拉斯函数