基于CapsNet模型的过程故障识别研究
为了实现过程故障的识别诊断,文章使用CapsNet模型训练数据.首先,运用网络模型的空间特性,以向量的形式对训练数据进行特征表示、归一化处理.然后,进行卷积操作,在动态一致路由更新上进行故障分类.最后,增加重构模块来对输入数据矩阵反馈修正,降低损失误差,使网络快速收敛.同时,在每一层网络进行特征可视化,能清楚看到每一层网络特征图的变化.实验结果表明,文章模型的过程故障识别性能优于其他神经网络模型.
CapsNet、动态路由更新、故障分类、CNN
37
TP277(自动化技术及设备)
国家自然科学基金项目;江西省科技厅项目
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
33-40