| 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 |
| |
| 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. DOI: 10.3969/j.issn.2095-2198.2021.03.011 |
| |
| 作者姓名： | 李元 杨东昇 李大舟 |
| |
| 基金项目： | 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） |
| |
| 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 %.
|
| 关 键 词： | 卷积神经网络 高层数据特征 特征学习 TE过程 故障检测 |
Fault Detection Based on High Level Data Feature Learning of Two Dimensional Convolutional Neural Network |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《沈阳化工大学学报》浏览原始摘要信息 |
|
点击此处可从《沈阳化工大学学报》下载免费的PDF全文 |
