-
题名DSC-LSTM的TE过程故障诊断
被引量:1
- 1
-
-
作者
于桂仙
杨青
刘彦俏
-
机构
沈阳理工大学自动化与电气工程学院
-
出处
《沈阳理工大学学报》
CAS
2021年第4期6-10,共5页
-
基金
辽宁省教育厅科学研究项目计划(LG201917)。
-
文摘
为提高化工过程的故障诊断效果,将深度可分离卷积(DSC)和长短期记忆网络(LSTM)相结合,提出基于DSC-LSTM的集合型故障诊断方法,采用时空结合的方式从两个角度提取特征进行故障诊断。首先对数据进行归一化处理后将其送入DSC网络,通过DSC提取空域特征,同时对数据进行降维;再将DSC的输出作为LSTM的输入,通过LSTM提取时域特征,然后通过全连接层(FC)进行故障诊断;最后在田纳西-伊斯曼(TE)化工过程上对该方法进行验证。结果表明,DSC-LSTM集合方法可有效地提高故障诊断的准确率指标。
-
关键词
故障诊断
深度可分离卷积
长短期记忆网络
集合型
田纳西-伊斯曼过程
-
Keywords
fault diagnosis
depthwise separable convolution
long short-term memory
ensemble
Tennessee-Eastman process
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于DSC-BiGRU的化工过程故障诊断
- 2
-
-
作者
杨青
于桂仙
刘彦俏
吴东升
-
机构
沈阳理工大学自动化与电气工程学院
-
出处
《沈阳理工大学学报》
CAS
2022年第5期6-12,共7页
-
基金
辽宁省教育厅科学研究经费项目(LG201917)
沈阳理工大学高水平成果建设计划资助项目(SYLUXM202109)。
-
文摘
针对化工过程数据具有动态时序性以及少数故障特征不明显难以进行故障诊断问题,本文将深度可分离卷积(DSC)和双向门控循环单元(BiGRU)相结合,提出基于DSC-BiGRU的集合型故障诊断方法。首先,对数据进行归一化处理并输入DSC网络提取空域特征,并将数据降维;再将DSC的输出作为BiGRU的输入,通过BiGRU从两个方向提取时域特征;最后,通过全连接层(FC)进行故障诊断。经田纳西-伊士曼(TE)过程验证,该方法较传统方法能够有效提升化工过程的故障诊断精度。
-
关键词
故障诊断
深度可分离卷积
双向门控循环单元
集合型故障诊断
田纳西-伊士曼过程
-
Keywords
fault diagnosis
depthwise separable convolution
bi-directional gate recurrent unit
ensemble fault diagnosis
Tennessee Eastman process
-
分类号
TP277.3
[自动化与计算机技术—检测技术与自动化装置]
-