摘要：气动调节阀是工业过程中使用最广泛的终端执行机构之一，它的性能好坏直接影响控制回路的性能．将基于稀疏性贝叶斯的极限学习机（SBELM）方法运用于多类故障诊断，基于DAMADICS平台的典型气动调节阀多类故障模型数据通过SBELM进行训练．不仅能根据模型的先验知识和基于最大后验概率准则（MAP）的贝叶斯思想估计出模型输出的概率分布，而且能基于设定的性能指标自动剔除无用的训练样本，用一小部分观测数据达到多故障分类的目的，能训练出一个精确且紧凑的故障诊断模型．

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社