基于一维卷积神经网络深度学习的工业过程故障检测

• 作者: 冯成成 李元
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: BP神经网络 卷积神经网络 深度学习 TE过程 故障检测
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 36-40,61
• 页数: 6页
• 分类号: TP277
• 字数: 5035字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.09.007

摘要

针对化工过程的非线性和动态性,以TE过程为背景,应用深度学习中的一维卷积神经网络算法对TE过程进行故障检测,解决了BP神经网络算法用于故障检测时测试识别率低的问题.用训练数据集分别对BP神经网络模型和一维卷积神经网络模型进行训练,将测试数据集输入已经训练好的神经网络,最后统计出了BP神经网络模型和卷积神经网络模型对故障的识别率.仿真结果表明BP神经网络和卷积神经网络对故障的检测具有较好的效果,但BP神经网络算法收敛速度慢,很容易就陷入局部最小值,从而会导致整体的检测性能下降,而卷积神经网络构建出的一维卷积模型能很好地解决存在的问题,通过比较充分体现了卷积神经网络在故障检测方面的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李元	沈阳化工大学信息工程学院	122	550	12.0	18.0
2	冯成成	沈阳化工大学信息工程学院	1	2	1.0	1.0