论文部分内容阅读
新一代相控阵雷达针对T/R组件部署了大量传感器,为数据驱动的组件故障诊断提供了良好基础。然而,实际监测数据大多没有表征其故障模式的标签。本文结合深度置信网络(Deep Belief Network, DBN)在特征自学习方面的优势和自编码器(Autoencoder, AE)重构输入数据的能力,提出一种基于DBN-AE半监督学习模型的故障特征提取及智能诊断方法,并应用烟花算法优化模型结构。该方法利用原始无标签状态数据训练DBN-AE模型,提取深层特征,再通过有监督再训练建立深层特征与故障模式之间的关系模型。本文方法在某型相控阵雷达T/R模块上得到了实验验证,有效提升了故障识别准确率和智能性。