典型文献
基于极深因子分解机的化工过程故障诊断方法
文献摘要：
近年来,随着化学工艺、设备的复杂化和大型化程度不断深入,如何为化工企业及时、准确地诊断故障、排除事故,成为一个极具挑战性的问题.目前,以深度学习为代表的化工过程故障检测与诊断技术成为业界解决问题的主要思路之一,但现有深度方法在构建诊断模型时只关注了变量的非线性高阶特征,不能充分、全面地挖掘多源交互信息,难以有效地融合各类异构数据.基于此,提出一种基于极深因子分解机的化工过程故障诊断方法,通过并行融合三类不同网络模型(分解机模型、深度神经网络模型、压缩交互网络模型),实现对高阶、低阶及线性特征的自动提取和高效整合.为了评估模型性能,从单故障诊断和多故障混合诊断的角度出发,在田纳西-伊斯曼过程(TE)仿真数据集上进行了广泛的对比实验,结果表明,所提方法较以往故障诊断方法在精确率和召回率等指标上具有明显优势.
文献关键词：
故障检测与诊断;深度学习;极深因子分解机;特征交互;田纳西-伊斯曼过程
中图分类号：
作者姓名：
何亚东;袁壮;林扬;高新江;李传坤;王春利
作者机构：
中国石化安全工程研究院化学品安全控制国家重点实验室,山东青岛266071
文献出处：
引用格式：
[1]何亚东;袁壮;林扬;高新江;李传坤;王春利-.基于极深因子分解机的化工过程故障诊断方法)[J].过程工程学报,2022(01):135-144
A类：
极深因子分解机
B类：
化工过程,故障诊断方法,化学工艺,大型化,何为,化工企业,故障检测与诊断,诊断技术,主要思路,有深度,诊断模型,交互信息,异构数据,并行融合,深度神经网络模型,交互网络,低阶,线性特征,自动提取,高效整合,模型性能,多故障,田纳西,伊斯曼,TE,仿真数据,精确率,召回率,特征交互
AB值：
0.322925
相似文献
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。
