基于深度流形表示学习的工业过程多故障识别方法

深度流形表示学习对于自动学习系统的本质特征有着重要的作用。论文提出了一种基于深度流形表示学习的多故障识别方法。所提的多故障识别方法可以分为三个阶段:第一,将故障识别问题转化为分类问题,定义正常和故障状态,以及预处理原始数据;第二,利用深度流形表示学习对深度神经网络进行预训练;第三,利用故障标签数据全局训练深度网络。所提出的方法被应用于由一种典型的工业系统生成的两个不同尺寸以及多个故障类型的数据集。测试结果表明,所提方法能够准确预测故障类型,优于其他两种分类方法。此外,由于所提出的方法仅需要数据,因此很容易迁移到其他的工业系统。