基于IMODA自适应深度信念网络的复杂模拟电路故障诊断方法OA北大核心CSTPCD
A Fault Diagnosis Method for Complex Analog Circuits Based on IMODA Adaptive Deep Belief Network
针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题,提出了一种基于改进多目标蜻蜓优化自适应深度信念网络(IMODA-ADBN)的模拟电路故障诊断方法.首先,根据参数更新方向的异同提出了自适应学习率,提高网络收敛速度;其次,传统DBN在有监督调优过程利用BP算法,然而BP算法存在易陷入局部最优的问题,为了改善该问题,利用改进的MODA算法取代BP算法提高网络分类精度.在IMODA算法中,添加Logistic混沌印射和基于对立跳跃以获得帕…查看全部>>
Aiming at the problems of time-consuming pre-training and poor diagnostic accuracy in the process of unsupervised training of traditional Deep Belief Network(DBN),In this paper,an Improved Multi-Objective Dragonfly Optimization Adaptive Deep Belief Network(IMOD-ADBN)is proposed for analog circuit fault diagnosis.Firstly,an adaptive learning rate is proposed according to the similarities and differences of parameter update directions to improve the convergenc…查看全部>>
巩彬;安爱民;石耀科;杜先君
兰州理工大学电气工程与信息工程学院,兰州 730050兰州理工大学电气工程与信息工程学院,兰州 730050||兰州理工大学甘肃省工业过程先进控制重点实验室,兰州 730050兰州理工大学计算机与通信学院,兰州 730050兰州理工大学电气工程与信息工程学院,兰州 730050||兰州理工大学甘肃省工业过程先进控制重点实验室,兰州 730050
机械工程
模拟电路MODA算法自适应学习率深度信念网络故障诊断
analog circuitMODA algorithmadaptive learning ratedeep belief networkfault diagnosis
《电子科技大学学报》 2024 (3)
327-344,18
国家自然科学基金(62241307,61963025)甘肃省科技计划(22YF7FA166,22YF7GA164)甘肃省自然科学基金优秀博士生项目(23JRRA809)甘肃省教育厅高等学校创新基金(2021A-027)兰州市科技计划(2022-RC-60)
评论