基于改进贝叶斯神经网络的多联机故障诊断策略

作者：曾宇柯; 陈焕新; 黄荣庚; 龚麒鉴

来源：家电科技, 2018, S1: 157-161.

DOI：10.19784/j.cnki.issn1672-0172.2018.s1.039

• 多联机系统
• 故障检测与诊断
• 局部异常因子
• 贝叶斯神经网络

针对传统神经网络模型过拟合等问题,本文提出了一种基于改进贝叶斯神经网络的多联机故障诊断策略,该策略使用LOF(local outlier factor)法剔除原始数据中的异常值,并构建了BR(Bayesian-regularization)神经网络以提高模型的泛化能力。实验通过多联机系统制冷剂充注量故障验证该策略的可行性。结果表明:较BP(back-propagation)神经网络,LOF-BR神经网络模型诊断性能增强,整体检测率提高至97%。充注过量误诊为充注不足的比率显著降低,LOF法能有效剔除多联机系统异常值。

• 单位
  华中科技大学