摘要
一种基于伪标签驱动的稀疏深度置信网络变压器故障诊断方法及系统。方法包括:初始化网络结构参数,利用差分空间优化算法更新网络;采用伪标签策略获取新样本标签,并循环优化网络结构;根据最优参数实时诊断变压器故障。系统包含初始优化、伪标签驱动、循环优化及离线/在线诊断模块。本发明在优化网络结构时,加入基于广义高斯函数的稀疏正则项,这对于抑制网络训练中的过拟合现象非常有益,同时使用伪标签指导学习策略,计算每个伪标签样本的信心水平,选择信心水平较高的样本添加到训练集中以循环优化网络,从而减少了伪标签噪声的影响。因此,该发明能够有效地应用于变压器关键部件的故障诊断中,提高了诊断的准确性并减少了误判的可能性。
技术关键词
稀疏深度置信网络
标签
变压器故障状态
广义
网络结构
样本
深度置信网络参数
诊断变压器故障
变压器故障诊断
代表训练数据
数值
诊断模块
RBM模型
更新网络参数
算法
重构模型
系统为您推荐了相关专利信息
疲劳寿命预测方法
物理
断裂力学模型
极限抗拉强度
缺陷尺寸
神经网络构建方法
神经网络模型
模块
可视化界面
参数
自动校核系统
站点
数据访问
数据存储
数据库服务器