基于ELSTM的集合型故障诊断方法研究

• 作者: 杨青 王丹丹 陈刚
• 来源期刊: 沈阳理工大学学报
• 学科: 工学
• 关键词: 故障诊断 ELSTM 集合型 特征提取 田纳西-伊士曼过程
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 自动化技术
• 页码范围: 70-75
• 页数: 6页
• 分类号: TH165+.3
• 语种: 中文
• DOI: 10.3969/j.issn.1003-1251.2020.04.014

摘要

智能的故障诊断技术是处理工业大数据的一种有效方法,该技术能够快速、高效地处理原始数据并提供准确的诊断结果.为更好提取出数据的有效信息,针对化工数据的时序性和高维非线性的特点,本文提出一种基于扩展长短期记忆网络(LSTM)的集合型故障诊断方法(ELSTM).先用LSTM处理数据得到包含原始数据时空信息的隐层输出,然后利用卷积神经网络(CNN)从多维数据中提取特征的能力,先用1D卷积提取每一个时间序列内部的局部特征,再用2D卷积提取相邻时间序列之间存在的相互依赖特征,最终将提取的特征数据经过全连接层,得到分类结果.将ELSTM用于复杂系统的田纳西-伊士曼过程(TE),实验结果表明,所用方法比标准的LSTM网络、自编码(autoencoder)具有更高的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨青		48	229	8.0	13.0
2	陈刚		20	72	5.0	7.0
3	王丹丹		1	0	0.0	0.0