基于数据降维和深度学习的化工故障识别
数据降维是化工过程故障识别的重要组成部分,主要分为特征提取和特征选择两种方法.为了探索不同数据降维方法对化工过程故障识别的影响,提出了基于数据降维和深度学习的故障识别方法.首先,生成拓扑映射(GTM)得到了原始过程数据的低维空间表示,通过Spearman秩相关系数(SRCC)得到了变量之间的相关性,获得了关键变量.然后,长短期记忆网络(LSTM)学习关键变量集的深层次特征并识别化工过程的故障.田纳西-伊斯曼(TE)过程的应用表明,GTM-LSTM更适用于跃变型故障的识别,SRCC-LSTM对所有类型的故障识别效果都较好,其更适用于化工过程数据降维.
故障识别;特征提取;特征选择;化工过程;长短期记忆网络
28
TQ018;TP18(一般性问题)
国家自然科学基金项目21576143
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
2005-2011,2020