一种基于在线注意力神经网络的工业过程故障检测方法技术

本发明专利技术涉及一种基于在线注意力神经网络的工业过程故障检测方法，其步骤为：对训练数据进行标准化处理后，利用标准化后的训练数据训练1DRGANomaly网络，并从训练数据中提取训练数据特征，利用标准化后的验证数据提取验证数据特征并确定四种统计量控制限，在线阶段利用测试集获取测试数据特征与验证数据特征分布之间的差异，将四种特征划分到注意力空间与非注意力空间，并通过注意力因子分配实现对特征的加权，使用贝叶斯融合计算统计量T<subgt;1</subgt;<supgt;2</supgt;<subgt;2</subgt;和SPE<subgt;12</subgt;，并利用控制限进行监控。本发明专利技术上述故障检测方法引入了注意力空间划分和注意力因子分配策略，提高了工业过程数据中故障的检测性能。

【技术实现步骤摘要】

本专利技术属于工业过程故障检测，涉及一种基于在线注意力神经网络的工业过程故障检测方法。

技术介绍

1、在这样的背景下，工业过程故障检测技术显得至关重要。随着工业工业控制系统的不断发展和传感器技术的广泛应用，大量数据可被实时获取，促进了基于深度学习的故障检测技术的广泛应用。

2、1drganomaly网络是工业过程监控领域的新型算法，2023年由deng提出。然而在过程监控中，1drganomaly网络对监控模型中的特征成分处理均衡，但在故障发生时，并非所有特征成分都能有效反映故障信息。某些特征对故障更为敏感，而其他特征可能保持正常状态，这可能导致含有故障信息的变量被其他变量掩盖。因此，如何通过在线检测过程中衡量特征的变化程度进而对敏感特征成分筛选，并对这些敏感特征进行差异化权重分配，是需要解决的关键问题。

技术实现思路

1、本专利技术针对1drganomaly网络对特征成分分配相同的权重，但当故障发生时，并非所有的特征成分都对故障敏感，容易导致这些故障敏感特征成分被掩盖的问题，提供一种基于在线注意本文档来自技高网...

【技术保护点】

1.一种基于在线注意力1DRGANomaly网络的工业过程故障检测方法，其特征在于，含有以下步骤：

2.如权利要求1所述的一种基于在线注意力1DRGANomaly网络的工业过程故障检测方法，其特征在于，所述步骤(一)中，训练数据Xtrain进行标准化处理，具体过程为：利用训练数据Xtrain的均值和标准差通过公式(1)对训练数据Xtrain进行标准化处理，公式(1)的表达式为：

3.如权利要求2所述的一种基于在线注意力1DRGANomaly网络的工业过程故障检测方法，其特征在于，所述步骤(二)中，用公式(3)和(4)计算1DRGANomaly网络的中的生成器损失函...

【技术特征摘要】

1.一种基于在线注意力1drganomaly网络的工业过程故障检测方法，其特征在于，含有以下步骤：

2.如权利要求1所述的一种基于在线注意力1drganomaly网络的工业过程故障检测方法，其特征在于，所述步骤(一)中，训练数据xtrain进行标准化处理，具体过程为：利用训练数据xtrain的均值和标准差通过公式(1)对训练数据xtrain进行标准化处理，公式(1)的表达式为：

3.如权利要求2所述的一种基于在线注意力1drganomaly网络的工业过程故障检测方法，其特征在于，所述步骤(二)中，用公式(3)和(4)计算1drganomaly网络的中的生成器损失函数ld-net和判别的损失函数lg-net，待两个网络的损失函数完全收敛后保存各自的训练权重；

4.如权利要求3所述的一种基于在线注意力1drganomaly网络的工业过程故障检测方法，其特征在于，所述步骤(三)中，将验证数据xval′输入1drganomaly网络，可获取深度特征zval和与残差特征e1,val和e2,val，其中依据特征zval、e1,val和e2,val，由公式(8)-(11)分别构造统计量t12、t22、spe1和spe2统计量，公式(8)-(11)的表达式为：

5.如权利要求...

【专利技术属性】
技术研发人员：邓晓刚，肖林勃，黎佳妍，曹玉苹，王平，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：