基于特征优选与深度学习的车载电源微小故障诊断方法

摘要

车载电源作为军队武器装备作训和应急的主要电能来源,其微小故障的准确诊断可有效预防严重故障的发生。然而实际监测数据往往存在冗余,且微小故障征兆难以有效提取,针对此提出一种基于递归特征消除(RFE)与栈式自编码神经网络(SAE)相结合的微小故障智能诊断方法。利用REF算法对所采集的特征变量进行重要度排序,以消除冗余并优选构建故障特征子集;再以该特征子集作为SAE深度网络的输入,微小故障类别作为输出,从而实现车载电源微小故障的有效诊断。仿真结果表明,与单纯SAE及浅层神经网络相比,所提方法的微小故障诊断准确率有明显提升,达到95.4%。