摘要
提出将学习矢量量化(LVQ)神经网络应用于化工过程的故障诊断中。LVQ算法是在有教师状态下对竞争层进行训练的一种学习算法,其网络结构简单,适用于故障诊断。当网络输入数据过大时,会导致计算复杂,计算速度缓慢,因此,采用主元分析法(PCA)对数据进行降维处理,将得到的数据作为网络的输入,再用LVQ算法对田纳西-伊斯曼(TE)过程进行故障诊断。最后,将诊断识别率与LVQ算法以及BP算法进行比较,仿真表明,采用PCA降维处理的LVQ算法在识别率上有了较大的提高。
The learning vector quantization(LVQ) neural network is applied to the fault diagnosis of chemical process.This paper uses the principal component analysis to reduce the dimension of the data as the input of the network,then let the LVQ algorithm to apply for the fault diagnosis of Tennessee Eastman(TE) process.At last,the diagnosis recognition rate are compared to LVQ algorithm and BP algorithm in this paper.
出处
《工业控制计算机》
2016年第11期86-87,共2页
Industrial Control Computer
基金
特殊环境机器人技术四川省重点实验室开放基金(13zxtk06)
西南科技大学博士基金
关键词
学习矢量量化神经网络
主元分析法
故障诊断
田纳西-伊斯曼过程
learning vector quantization neural network
principal component analysis
fault diagnosis
tennessee eastman process