科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统核探测器故障信号诊断研究都需要提前提取信号特征，然后用机器学习、支持向量机、统计方法等对特征进行分类。为了实现对探测器输出信号进行实时识别和故障诊断，本文基于Matlab平台构建了一个用于对图像进行分类的卷积神经网络模型，对核探测器故障信号进行分类诊断。从分类准确率和算法运行时间两个方面对Adam、Sgdm、Rmsprop三种优化算法进行了比较。结果表明Rmsprop算法运行时间最少，但准确度和损失的训练迭代曲线不平稳；Sgdm模型对十组非正常信号图像分类的准确率最高为93.10%,准确度和损失的训练迭代曲线平稳。虽然，本文方法诊断准确率略低于文献报道值，但是不需要对信号进行预处理和特征预提取，使用更为简便。
- 出版日期2023
- 单位南华大学; 化学化工学院
