典型文献
多联机系统的堆栈自编码器模型故障诊断研究
文献摘要：
本文利用深度学习在模式识别和特征提取方面的优势,提出了基于堆栈自编码和Softmax算法的多联机制冷剂充注量故障诊断策略.针对堆栈自编码和Softmax的故障诊断方法,本文主要从网络的层数、隐含层节点数、学习率大小、迭代次数以及Batchsize(批次样本数)大小这些超参数的选择探索与故障诊断模型性能的关系.此外,在堆栈自编码的基础上,本文还采用了传统自编码的变种(降噪自编码和稀疏自编码)来对故障诊断模型进行优化.结果表明:堆栈降噪自编码及堆栈稀疏自编码与Softmax的故障诊断模型能获得更好的诊断性能,在一定参数条件下诊断准确率均能达到96％以上.
文献关键词：
多联机系统;故障诊断;堆栈自编码;堆栈降噪自编码;堆栈稀疏自编码
中图分类号：
作者姓名：
苟伟;王凌云;李正飞;陈焕新;刘志龙;陈建业;程亨达;张鉴心
作者机构：
华中科技大学能源与动力工程学院,湖北武汉 430074;合肥通用机械研究院(压缩机技术国家重点实验室),安徽合肥 230031
文献出处：
引用格式：
[1]苟伟;王凌云;李正飞;陈焕新;刘志龙;陈建业;程亨达;张鉴心-.多联机系统的堆栈自编码器模型故障诊断研究)[J].制冷技术,2022(04):27-33
A类：
Batchsize
B类：
多联机系统,堆栈自编码器,诊断研究,模式识别,Softmax,制冷剂充注量,故障诊断策略,故障诊断方法,层数,隐含层节点数,学习率,迭代次数,超参数,故障诊断模型,模型性能,变种,堆栈降噪自编码,堆栈稀疏自编码,诊断性,数条,诊断准确率
AB值：
0.180124
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
