基于二维卷积神经网络高层数据特征学习的过程故障检测

doi:10.3969/j.issn.2095-2198.2021.03.011

下载:

PDF (1856KB)
输出: BibTeX | EndNote (RIS)

摘要

针对化工生产过程中高维数据故障特征难以学习和提取的缺点，提出一种基于二维卷积神经网络的化工过程故障检测方法.首先，采集化工过程不同故障的数据构成训练集和测试集；然后，对训练集和测试集中对应的正常样本和故障样本标注标签；最后，将训练集中的样本数据作为卷积神经网络的输入来训练、优化模型.方法应用于田纳西-伊斯曼化工过程，数据结果表明：二维卷积神经网络能够提取出原始数据中样本与样本、变量与变量之间更为抽象的高层数据特征,通过特征提取和学习后的重构特征数据输入到全连接层BP神经网络进行故障分类，比单独使用全连接BP神经网络的检测率提高了14.42 %，误报率降低了2.55 %.

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词: 卷积神经网络')" href="#">

卷积神经网络高层数据特征特征学习 TE过程故障检测

收稿日期: 2019-06-11 出版日期: 2021-06-30 发布日期: 2021-11-10 整期出版日期: 2021-06-30

ZTFLH:

TP277

基金资助:

国家自然科学基金重大项目(61490701)；国家自然科学基金项目(61673279)；辽宁省科学事业公益研究基金（2016001006）

通讯作者: 李大舟（1982—），男，辽宁沈阳人，讲师，博士，主要从事数据挖掘、人工智能信号处理的研究.

作者简介: 李元（1964—），女，辽宁沈阳人，教授，博士，主要从事数据驱动过程故障诊断的研究.

引用本文:

李元, 杨东昇, 李大舟. 基于二维卷积神经网络高层数据特征学习的过程故障检测[J]. 沈阳化工大学学报, 2021, 35(3): 256-264.

链接本文:

https://xuebao.syuct.edu.cn/CN/10.3969/j.issn.2095-2198.2021.03.011 或 https://xuebao.syuct.edu.cn/CN/Y2021/V35/I3/256