Print

样本重构多尺度孪生卷积网络的化工过程故障检测

论文摘要

基于数据驱动的故障检测已成为工业过程故障检测的重要手段,但其在实际应用时受限于过程历史数据的规模,往往难以取得令人满意的检测精度。针对这一问题,提出了一种样本空间重构策略,该策略基于随机采样构造同类、异类样本对,在扩充数据规模的同时,将复杂的分类建模问题转化为样本间的相似度对比问题,降低了任务的复杂度。在此基础上,引入并改进孪生卷积神经网络（Siamese CNN）结构,提出了一种基于多尺度孪生卷积神经网络（Multi-scale Siamese CNN）的化工过程故障检测方法。田纳西-伊斯曼（TE）过程数据测试结果表明,所提算法的平均故障检测准确率达到89.66%,相对于常规数据驱动的故障检测算法提高8%以上。

论文目录

  • 0 引 言
  • 1 基于样本对相似度的样本空间重构
  • 2 Multi-scale Siamese CNN算法
  •   2.1 Siamese CNN
  •   2.2 多尺度特征提取
  •   2.3 批归一化
  •   2.4 基于Multi-scale siamese CNN的故障检测
  • 3 算法测试与验证
  •   3.1 TE过程
  •   3.2 结果对比及分析
  • 4 结 论

    • 文章来源

    类型: 期刊论文

    作者: 王翔,柯飂挺,任佳

    关键词: 过程系统,故障检测,样本重构,多尺度,孪生卷积神经网络,田纳西伊斯曼过程

    来源: 仪器仪表学报 2019年11期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

    专业: 有机化工,工业通用技术及设备,自动化技术

    单位: 浙江理工大学自动化系

    基金: 浙江省自然科学基金(LY17F030024),浙江省公益技术研究项目(LGG20F030007)资助,浙江理工大学基本科研业务费专项资金(2019Q032)

    分类号: TQ02;TP183

    DOI: 10.19650/j.cnki.cjsi.J1905469

    页码: 181-188

    总页数: 8

    文件大小: 1130K

    下载量: 305

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/6b99f93b03bbfe1dfda323cf.html