基于AC-CNN模型的过程故障识别

作     者：衷路生 吴春磊 ZHONG Lu-sheng;WU Chun-lei

作者机构：华东交通大学电气与自动化工程学院 

基　　金：国家自然科学基金项目(61863012、61263010、60904049) 江西省科技厅基金项目(20181BBE50020、20161BBE50082、20161BAB202067) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2020年第41卷第2期

页      码：542-549页

摘      要：针对复杂工业过程中故障变量特征提取效率低,分类数量较少且故障识别率较低等问题,提出基于非对称卷积核(asymmetric convolutions)的卷积神经网络(CNN)的工业过程故障识别模型。采取故障变量重构对故障数据进行预处理;引入非对称卷积核模型对重构后的输入故障变量进行特征提取,提高特征提取的效率;根据CNN模型改进得到具有AC架构的AC-CNN模型,识别TE(田纳西-伊斯曼)过程故障的在线测试集样本,实验结果表明,所提方法对TE过程故障数据集的识别效果明显,验证了模型的有效性和优异性。

主 题 词：故障识别 故障变量重构 非对称卷积核 卷积神经网络 田纳西-伊斯曼过程 

学科分类：08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0838[0838] 

D　O　I：10.16208/j.issn1000-7024.2020.02.037

馆 藏 号：203883481...