典型文献
基于深度置信网络的热连轧精轧过程故障诊断方法
文献摘要：
以带钢热连轧精轧过程为代表的复杂工业过程控制回路众多且关联耦合严重,这使得该过程故障发生后难以有效检测、准确识别和定位.基于此,本文利用深度置信网络(deep belief network,DBN)构建精轧过程故障诊断方法.首先,利用DBN无监督特征提取能力,深度挖掘精轧过程隐含特征,并在特征基础上构建故障检测指标;其次,提出了基于DBN贡献率的各变量故障贡献值量化模型,实现故障源的定位;最后,结合Softmax分类器,构建DBN有监督的故障分类模型,实现了该过程已知故障的分类和管理.通过精轧过程六类故障验证可知,所提出方法平均检测率达97.12％,故障分类准确率达98.16％,与传统数据驱动方法对比表明,基于DBN的方法有更好的故障诊断性能.
文献关键词：
故障诊断;数据驱动;深度置信网络;带钢热连轧;特征提取
中图分类号：
作者姓名：
杨朋澄;张凯;彭开香
作者机构：
北京科技大学自动化学院,北京100083;工业过程知识自动化教育部重点实验室,北京100083
文献出处：
引用格式：
[1]杨朋澄;张凯;彭开香-.基于深度置信网络的热连轧精轧过程故障诊断方法)[J].冶金自动化,2022(06):78-87
A类：
过程控制回路,无监督特征提取
B类：
深度置信网络,精轧,故障诊断方法,带钢热连轧,复杂工业过程,工业过程控制,关联耦合,得该,有效检测,准确识别,识别和定位,deep,belief,network,DBN,特征提取能力,深度挖掘,特征基,故障检测,检测指标,贡献值,量化模型,故障源,Softmax,分类器,有监督,故障分类,分类模型,六类,故障验证,检测率,分类准确率,数据驱动方法,方法对比,诊断性
AB值：
0.375839
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
