基于逐层互信息对抗自编码器的城市供热管网故障检测OA
Fault Detection of Urban Heating Pipe Networks Based on Layer-by-Layer Mutual Information Adversarial Auto-Encoder
城市集体供热管网属于市政工程管网的重要组成部分,其安全稳定运行与城市经济生产和居民日常生活息息相关,因此对供热管网进行准确实时的状态监测至关重要.近年来,基于深度学习的方法已经被广泛应用于状态监测领域,如对抗自编码器(adversarial auto-encoder,AAE).然而,从信息论的角度看,在AAE模型训练过程中样本与特征表示之间的互信息存在衰减现象,从而直接影响到该网络模型的故障检测性能.为此,提出了一种基于逐层互信息对抗自编码器(l…查看全部>>
Being an important part of the municipal engineering network,safe and stable operation of urban central heating pipe network is closely related to the city's economic production and residents'daily life,so that it is crucial to conduct accurate and real-time condition monitoring of the heating pipe network.In recent years,deep learning-based methods have been widely used in the field of condition monitoring,such as adversarial auto-encoder(AAE).However,from …查看全部>>
刘自鹏;李灵;刘述;李磊;熊凌云;刘雅儒
长沙理工大学电气与信息工程学院,湖南长沙 410114长沙理工大学电气与信息工程学院,湖南长沙 410114杭州智元研究院有限公司,浙江杭州 310013长沙理工大学电气与信息工程学院,湖南长沙 410114长沙理工大学 城南学院,湖南长沙 410114长沙理工大学交通运输工程学院,湖南长沙 410114
土木建筑
供热管网故障检测无监督学习对抗自编码器逐层互信息
heating pipe networkfault detectionunsupervised learningadversarial auto-encoder(AAE)layer-by-layer mutual information
《市政技术》 2024 (5)
220-227,8
湖南省自然科学基金项目(2022JJ40510)湖南省教育厅科学研究项目(22B0329,21B0311)长沙理工大学校级研究生科研创新项目(CXCLY2022083)
评论