【技术实现步骤摘要】
本专利技术属于故障检测，涉及一种基于半监督一致性编码网络的化工过程故障诊断方法。
技术介绍
1、随着现代化工工业的快速发展，化工过程的自动化和复杂化程度越来越高。大规模工业过程带来巨大经济效益的同时，由于系统的高度耦合性和复杂性，系统内任何微小干扰都可能导致整个系统瘫痪，进而造成巨大的经济损失甚至人员伤亡。因此，故障检测与诊断技术对于所有化工过程是必不可少的，是化工过程能够按生产计划可靠并安全运行的保障。
2、近年来，深度学习在故障诊断领域取得了不错效果，然而传统的监督学习方法需要大量的有标签数据，化工过程数据的故障变化类型可分为阶跃、随机变化、粘滞等，且每一种变化类型根据不同的化工流程又要做具体细分，而实际工业中含有标签的数据较少，因此对数据进行标记是一项非常耗时的工作，这对深度学习在过程故障诊断领域的发展造成了很大的影响。另一方面，监督学习侧重于故障分类，缺乏将故障定位为故障相关变量的可解释性，这对于操作员找出故障变量并定位故障位置也很重要。监督深度学习通常作为故障诊断的不可解释模型，并且无法分析哪些过程变量信息支持故障...
【技术保护点】
1.一种基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：步骤S1所述的化工生产过程的历史数据包括各种过程变量传感器和现场仪表，操作变量包括总进料量、阀门开度、搅拌速度，过程变量包括流量、压力、温度和液位。
3.根据权利要求1所述的基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：步骤S2所述预处理采用的方法包括数据清洗、特征变换和特征选择；
4.根据权利要求3所述的基于半监督一致性编码网络的化工过程故障诊断方法，...
【技术特征摘要】
1.一种基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：步骤s1所述的化工生产过程的历史数据包括各种过程变量传感器和现场仪表，操作变量包括总进料量、阀门开度、搅拌速度，过程变量包括流量、压力、温度和液位。
3.根据权利要求1所述的基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：步骤s2所述预处理采用的方法包括数据清洗、特征变换和特征选择；
4.根据权利要求3所述的基于半监督一致性编码网络的化工过程故障诊断方法，其特征在于：所述特征选择采用基于蚁群优化算法的半监督特征选择方法，并引...
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。