一种基于时空融合特征的间歇过程弱故障识别方法

作     者：张敏 李贤均 王瑞琦 张则强 ZHANG Min;LI Xianjun;WANG Ruiqi;ZHANG Zeqiang

作者机构：西南交通大学机械工程学院四川成都610031 轨道交通运维技术与装备四川省重点实验室四川成都610031 

基　　金：国家重点研发计划资助项目(2020YFB1712200) 四川省科技计划资助项目(2020JDTD0012) 中国博士后科学基金资助项目(2020M673279) 中铁工程服务资助项目(2019H010103) 

出 版 物：《工业工程与管理》 (Industrial Engineering and Management)

年 卷 期：2022年第27卷第3期

页      码：64-73页

摘      要：间歇过程数据上呈现出较强的非线性、高维性以及耦合性等特点,故障识别难度较大,而弱故障又具有幅值低、易被噪声干扰的特点,当间歇过程中出现弱故障时,更加大了检测人员对故障识别的困难。为解决该问题,提出一种基于时空融合特征的间歇过程弱故障识别方法,该方法设计了一种并行时空特征提取网络,对数据进行特征提取,通过对特征进行识别来判断故障类别。并行时空特征提取网络由卷积神经网络和长短期记忆网络并行构成,同步计算,网络的输出端由一定尺寸的卷积核对各网络提取的特征进行深度融合,最后通过一个全连接层将特征输入分类器,进行故障识别。利用青霉素发酵仿真实验数据进行实验,验证了方法的有效性。

主 题 词：间歇过程 智能故障诊断 特征提取 卷积神经网络 长短期记忆网络 

学科分类：08[工学] 0802[工学-机械学] 0835[0835] 080201[080201] 

D　O　I：10.19495/j.cnki.1007-5429.2022.03.008

馆 藏 号：203113384...