摘要
本文针对不同运行状态数据差异度小、数据易受强噪声干扰而且具有多工序的流程工业过程,提出了一种基于分层分块堆叠状态相关降噪自编码器(HMSPDAE)的过程运行状态评价方法。首先,根据工艺特性对全流程进行层次结构划分。然后,提出一种堆叠状态相关降噪自编码器模型,用于提取各个子工序及全流程过程数据中与运行状态密切相关的深层特征,进而建立基于HMSPDAE的全流程评价模型。所提方法可以有效降低模型复杂度、增强模型的可解释性。最后,以湿法冶金过程为背景进行仿真验证,结果表明HMSPDAE在两个不同实验中的评价准确率分别达到99.5%和99.38%,均优于其他方法,验证了所提方法的有效性和优越性。
In this article,a hierarchical multi-block stacked performance-relevant denoising auto-encoder(HMSPDAE)is proposed to evaluate the process operating performance for plant-wide industrial processes with multiple sub-processes,low data difference among different operating performances,and strong noise interference.First,the whole process is divided into a hierarchical structure according to the process characteristics.Then,a method of stacked performance-relevant denoising auto-encoder is proposed to extract the performance-relevant deep features from the process data which are used to realize the operating performance assessment of each sub-process as well as the whole process.In further,a HMSPDAE-based whole-process evaluation model is formulated.The proposed method can effectively reduce the model complexity and enhance the interpretability of the model.Finally,simulation experiments are conducted in the wet metallurgical process.The results show that the assessment accuracy of HMSPDAE reaches 99.5%and 99.38%in two different experiments,which are both better than other methods.
作者
刘炎
马喆
褚菲
王福利
Liu Yan;Ma Zhe;Chu Fei;Wang Fuli(College of Information Science and Engineering,Northeastern University,Shenyang 110819,China;School of Information and Control Engineering,China University of Mining and Technology,Xuzhou 221116,China)
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第8期228-238,共11页
Chinese Journal of Scientific Instrument
基金
国家重点研发计划(2021YFF0602404)
国家自然科学基金(62073060,61973057,61973304)
高层次人才项目(DZXX-045)资助
关键词
过程运行状态评价
分层分块
流程工业
状态相关
堆叠自编码器
process operating performance assessment
hierarchical multiblock
plant-wide industrial process
performance-relevant
stacked auto-encoder
作者简介
通信作者:刘炎,2016年于东北大学获得博士学位,现为东北大学副教授,博士研究生导师,主要研究方向为复杂工业过程运行状态评价、过程监测等。E-mail:liuyan@ise.neu.edu.cn;马喆,2021年于东北大学获得学士学位,现为东北大学硕士研究生,主要研究方向为复杂工业过程运行状态评价、深度学习等。E-mail:2170751@stu.neu.edu.cn;褚菲,2014年于东北大学获得博士学位,现为中国矿业大学教授,博士研究生导师。主要研究方向包括复杂工业过程建模、控制与优化、机器学习及运行状态评价等。E-mail:chufeizhufei@sina.com;王福利,1988年于东北大学获得博士学位,现为东北大学教授,博士研究生导师。主要研究方向为复杂工业系统的建模、控制与优化,过程监测和故障诊断等。E-mail:wangfuli@ise.neu.edu.cn
