基于特征重构的广义回归神经网络故障识别方法应用研究

摘要：

近年来，流程工业事故频发，这使得加强生产过程的安全保障迫在眉睫，对故障识别的准确性提出了更高的要求。本文提出了一种基于特征重构的广义回归神经网络故障识别方法。首先，引入“字典表”的功能构建“故障字典表”；其次，采用核主元分析方法对“故障字典表”进行主元提取，实现数据降维以及降低计算复杂度；第三，“故障字典表”索引定位，通过数据样本与“故障字典表”的比对，对数据样本进行特征重构；最后，运用广义回归神经网络算法对数据样本进行学习训练，用以计算系统输出变量进行故障识别。通过对TE(Tennessee Eastman Process)过程进行故障识别仿真实验，结果表明，该方法对非线性时序系统具有较高的故障识别能力，为复杂过程工业大型系统的故障识别提供了新的思路和方法。

关键词：特征重构、广义回归神经网络、故障识别、过程工业

分类号：O657.33(分析化学)

在线出版日期：2015-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：175-178