一种增量式贝叶斯算法及篦冷机故障诊断

摘要

针对批量式算法增量维护性能差的缺点,提出了一种贝叶斯增量学习算法(ILA).检测到新数据集时,构造WTUN函数来判断结构是否需要更新,若结构需要更新,则构建影响度(Affect)函数,得到结构中需要修正的节点集,在其马尔可夫范围内利用爬山算子修改得到候选结构,利用改进的评分函数选择评分最大的结构作为最优结构.无论结构是否更新,都将原参数作为先验参数,利用EM算法更新参数.将该算法与批量爬山(HC)算法、增量爬山(IHC)算法、增量遗传算法(IGA)对比,ILA算法可以对网络进行增量维护,一定程度上节省了空间和时间.利用该算法建立篦冷机工艺参数的故障诊断模型,该模型能较为准确地实现对二次风温的故障诊断.