典型文献
深度学习在化学流程工业故障诊断的研究进展
文献摘要：
化学流程工业故障诊断(chemical process industry fault diagnosis,CPIFD)是智能制造的一个重要分支.近年来,深度学习在特征识别和分类方面显示出独特的优势和潜力,因此,基于深度学习的CPIFD研究受到了学者们的广泛关注.然而,在已发表的研究文献中,关于基于深度学习的CPIFD的论述是有限的,因此,旨在为CPIFD的研究提供最新的参考,并激励学者进一步探讨深度学习在CPIFD中的应用.介绍了CPIFD技术的发展,阐述了在深度学习中具有代表性模型的基本理论,并综述了它们在CPIFD中的应用,这些模型包括卷积神经网络、深度置信网络、堆叠自动编码器、长短期记忆网络和其他新兴神经网络模型;讨论了深度学习在CPIFD中所面临的问题,并对今后值得研究的方向提出了展望.
文献关键词：
流程工业;故障诊断;深度学习;特征提取;化工过程
中图分类号：
作者姓名：
陈红花;岑健;刘溪;杨卓洪
作者机构：
广东技术师范大学 自动化学院,广州 510665;广州市智慧建筑设备信息集成与控制重点实验室,广州 510665;广东技术师范大学 电子与信息学院,广州 510665
文献出处：
引用格式：
[1]陈红花;岑健;刘溪;杨卓洪-.深度学习在化学流程工业故障诊断的研究进展)[J].计算机工程与应用,2022(13):48-62
A类：
CPIFD
B类：
流程工业,chemical,process,industry,fault,diagnosis,特征识别,深度置信网络,堆叠自动编码器,长短期记忆网络,化工过程
AB值：
0.186283
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。
