基于加权联合分布适配神经网络的高炉故障诊断方法

摘要

本发明公开了一种基于加权联合分布适配神经网络的高炉故障诊断方法。首先，使用深度神经网络对高炉的历史数据与待测数据进行第一次特征提取并生成待测数据的标签。基于此标签值，计算高炉的待测数据与历史数据中相应故障类别的样本数之比，将所得比值作为高炉各类故障相应权重与联合分布适配法结合。通过加权联合分布适配完成第二次特征的提取并得到新的标签值。最后，对加权联合分布适配中生成标签，计算权重及更新参数这一过程进行迭代求解得到故障诊断结果。本发明不仅利用深度神经网络提高了诊断精度，还通过联合分布与先验分布适配解决了由于高炉故障样本少，数据分布随工况改变波动较大而造成的传统故障诊断方法准确率低的问题。