基于改进的DAEN在TE过程故障诊断中的应用研究

论文摘要

现代化工生产过程中故障情况十分复杂,具有非线性、多种类、少标签问题,传统方法很难建立准确的诊断模型。基于深度自编码网络（DAEN）,提出了一种新型智能故障诊断方法,并且添加Softmax分类器,构建了深度自编码网络诊断模型。该模型采取稀疏理论进行了改进,解决故障数据少,与正常数据不平衡问题。并且所提方法采取大量无标签样本作为训练集,进行预训练,优化模型参数,并以少量有标签样本作为测试集,进行微调。通过田纳西-伊斯曼（TE）过程仿真数据实验结果表明,相比较支持向量机（SVM）、K最近邻（KNN）等学习方法,DAEN与Softmax回归结合,得到更高的故障诊断正确率;而相比传统的DAEN诊断方法、以及基于反向传播神经网络（BPNN）的传统机器学习故障诊断方法,本文改进的DAEN诊断方法诊断精度得到明显提高。

论文目录

• 0 引 言
• 1 TE过程简介
• 2 深度自编码网络
•   2.1 预训练
•   2.2 微调 （调优）
• 3 基于稀疏理论改进DAEN
• 4 深度自编码网络诊断模型
• 5 改进的DAEN在TE过程故障诊断中的仿真实验研究
•   5.1 AE层数的确定
•   5.2 分类器的确定
•   5.3 基于改进DAEN的仿真研究
• 6 结 论

文章来源

类型: 期刊论文

作者: 张远绪,程换新

关键词: 深度自编码网络,稀疏理论,反向传播神经网络,支持向量机,最近邻,分类器,田纳西伊斯曼过程,故障诊断

来源: 电子测量技术 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 无机化工,有机化工,自动化技术

单位: 青岛科技大学自动化与电子工程学院

分类号: TP18;TQ050.7

DOI: 10.19651/j.cnki.emt.1802489

页码: 56-60

总页数: 5

文件大小: 170K

下载量: 90