基于深度学习算法的船用高频电路工作状态检测研究 |
| |
引用本文: | 何一芥,王波.基于深度学习算法的船用高频电路工作状态检测研究[J].舰船科学技术,2023(12):156-159. |
| |
作者姓名: | 何一芥 王波 |
| |
作者单位: | 武汉晴川学院北斗学院 |
| |
基金项目: | 湖北省教育科学规划重点课题(2022GA089); |
| |
摘 要: | 为了提升船用高频开关电源的运行可靠性,提出基于深度学习算法的船用高频电路工作状态检测方法。采集船用高频电路工作状态信号,作为深度受限波尔兹曼机的输入,深度受限波尔兹曼机利用2层受限玻尔兹曼机,通过2次非线性映射,提取船用高频电路工作状态特征。设置所提取的高频电路工作状态特征,作为支持向量数据描述方法的输入,将输入样本映射至高维内积空间,判定样本是否存在于高维内积空间的最优超球体内,检测船用高频电路工作状态为正常或异常状态。实验结果表明,该方法可以精准检测船用高频电路工作状态,满足船舶高频开关电源的运行可靠性需求。
|
关 键 词: | 深度学习算法 船用高频电路 工作状态检测 非线性映射 高维内积空间 最优超球体 |
|
|