基于多变量卷积神经网络的发酵过程故障监测

• 作者: 刘爽爽 高学金 高慧慧
• 来源期刊: 高校化学工程学报
• 学科: 工学
• 关键词: 卷积神经网络 希尔伯特-黄变换 特征提取 发酵过程 故障监测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 化工系统工程
• 页码范围: 1511-1519
• 页数: 9页
• 分类号: TP206.3
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9015.2020.06.023

摘要

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度.为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频图,有效挖掘变量序列在幅值、频率、相位上的异常变化信息;以时频图为输入,基于深度卷积神经网络构建故障监测模型,提取故障信息深层特征,提高监测精度;利用青霉素发酵过程仿真数据和大肠杆菌生产数据进行实验验证,结果表明所提方法监测精度分别高达95％和93％以上.