基于深度置信网络的松动部件质量估计方法研究

为解决以往核电站冷却系统松动部件质量估计方法存在的精度不高的问题,提出了一种基于深度置信网络的松动部件质量估计方法。基于平板模型上的不同质量钢球跌落实验,利用冲击信号的自功率谱与对应钢球质量来训练深度置信网络模型,进一步对跌落钢球质量进行了分类预测,并与支撑向量机和神经网络模型预测方法进行了比较。结果表明:深度置信网络方法能对跌落钢球质量进行较好的分类预测,分类平均正确率达到94%以上,预测结果好于支撑向量机(87.57%)和神经网络(91.64%),具有较高的跌落钢球质量预测精度。