【技术实现步骤摘要】
一种基于深度学习的化工过程故障诊断方法
[0001]本专利技术涉及故障诊断领域，特别涉及一种基于深度学习的化工过程故障诊断方法。
技术介绍
[0002]近年来，随着现代化工业过程的大规模生产与发展，使得化工过程的操作复杂性不断增加，操作设备出现老化和腐蚀的情况日益增多，由此可能出现化学物质泄露、火灾、爆炸等难以预测的安全隐患的发生，同时也会导致环境污染等严重的人身安全问题和财产损失事故。因此，对化工过程进行故障诊断可以预防灾难性事故的发生和减少人员的伤亡以及达到保证产品质量的目的。
[0003]深度学习是机器学习研究的一个主要方向。机器学习依靠算法训练数据，对任务进行决策；深度学习利用深度学习网络来表达数据的特征。然而，用于设备故障诊断的传统机器学习方法依赖专家知识经验，而深度学习在特征提取和分类中表现出色，也具备函数映射的特点，随着计算能力的提升，数据量的增加，深度学习在处理大数据时将更有优势：第一，深度学习算法逐层直接自动进行特征的学习和提取，无需单独的特征提取过程，也不必依赖专家的经验知识，对于不清楚设备结构属...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的化工过程故障诊断方法，其特征在于，包括如下步骤：步骤1:采集不同工况下田纳西
‑
伊斯曼化工过程的输出数据，所述输出数据包括正常数据和多种故障数据；步骤2:对所述输出数据预处理后得到数据集，对所述数据集中的变量按照最大互信息排序，然后归一化、标注对应的类别，最后将所述数据集随机划分为训练集和测试集；步骤3:设计适用于田纳西
‑
伊斯曼化工过程的所述数据集的深度学习网络模型；步骤4:训练所述深度学习网络模型，直到模型在训练集上故障检测率和故障漏报率达到最优效果；步骤5:测试所述深度学习网络模型，观测该模型在测试集上的泛化能力，当满足故障检测率和故障漏报率的要求时，采用所述深度学习网络模型在线对化工过程进行监测，并实时输出故障诊断结果。2.如权利要求1所述的一种基于深度学习的化工过程故障诊断方法，其特征在于，所述故障数据包括阶跃型故障、随机型故障以及未知型故障。3.如权利要求1所述的一种基于深度学习的化工过程故障诊断方法，其特征在于，所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。