文章详情
| 稿件标题： | 基于最优神经网络结构的故障诊断模型 |
| 稿件作者： | 张保山1，2，周峰1，张琳1，张搏1，鲁娜3，杨博帆1 |
| DOI： | 10.11809/bqzbgcxb2020.03.004 |
| 科学编辑： | 孙博 博士（北京航空航天大学） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 自适应遗传算法；深度前馈网络；故障诊断 |
| 文章摘要： | 深度神经网络在网络结构、激活函数及优化函数的选择方面，主要依靠操作者的经验来决定，导致了采用群智能算法（SI）对其优化时，只能在特定的网络结构下找到其最优权值和偏置量，限制了深度神经网络在故障诊断领域的进一步发展。提出了一种将自适应遗传算法与深度前馈网络相结合的故障诊断模型。通过MNIST、CIFAR10标准数据集以及CSTV仿真数据验证，故障诊断精度比原始模型显著提高，在CIFAR10数据集上精度提高了12.95%，在MNIST数据集上精度提高至99.03%；在CSTV仿真实验数据上，本文所提出的故障诊断模型在故障诊断精度、收敛速度以及稳定性上均优于原始模型，精度达到了99994%，且不需要实验人员对神经网络参数进行调试，提高了训练神经网络的效率。 |
| 稿件基金： | 中国博士后科学基金项目（2017M623417） |
| 引用本文格式： | 张保山，周峰，张琳，等.基于最优神经网络结构的故障诊断模型［J］.兵器装备工程学报，2020,41(03):20-24,50. ZHANG Baoshan， ZHOU Feng， ZHANG Lin, et al.Fault Diagnosis Model Based on Optimal Neural Network Structure［J］.Journal of Ordnance Equipment Engineering,2020,41(03):20-24,50. |
| 刊期名称： | 2020年03期 |
| 出版时间： | 2020年3月 |
| 上线时间： | 2020年3月28日 |
| 浏览次数： | 2653 |
| 下载次数： | 495 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |