基于深度置信网络的热连轧精轧过程故障诊断方法

摘要：

以带钢热连轧精轧过程为代表的复杂工业过程控制回路众多且关联耦合严重,这使得该过程故障发生后难以有效检测、准确识别和定位.基于此,本文利用深度置信网络(deep belief network,DBN)构建精轧过程故障诊断方法.首先,利用DBN无监督特征提取能力,深度挖掘精轧过程隐含特征,并在特征基础上构建故障检测指标;其次,提出了基于DBN贡献率的各变量故障贡献值量化模型,实现故障源的定位;最后,结合Softmax分类器,构建DBN有监督的故障分类模型,实现了该过程已知故障的分类和管理.通过精轧过程六类故障验证可知,所提出方法平均检测率达97.12％,故障分类准确率达98.16％,与传统数据驱动方法对比表明,基于DBN的方法有更好的故障诊断性能.

关键词：故障诊断、数据驱动、深度置信网络、带钢热连轧、特征提取

所属期刊栏目：46

分类号：TP391.4;TP273;TP183

资助基金：国家自然科学基金62073032

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：78-87