-
题名基于循环自动编码器的间歇过程故障监测
被引量：7
- 1
-
-
作者
高学金
刘腾飞
徐子东
高慧慧
于涌川
-
机构
北京工业大学信息学部
数字社区教育部工程研究中心
城市轨道交通北京实验室
计算智能与智能系统北京市重点实验室
-
出处
《化工学报》
EI
CAS
CSCD
北大核心
2020年第7期3172-3179,共8页
-
基金
国家自然科学基金项目(61803005,61640312,61763037)
北京市自然科学基金项目(4172007,4192011)
+1 种基金
山东省重点研发计划项目(2018CXGC0608)
北京市教育委员会资助项目。
-
文摘
针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有效挖掘时序样本间的动态关联信息。该方法首先利用批次展开与变量展开相结合的三步展开方法将间歇过程数据展开成二维,并通过滑动窗采样得到模型输入序列;然后使用LSTM构建自动编码器,重构输入序列。进一步,利用重构误差构造平方预测误差(squared prediction error,SPE)统计量实现在线监测。最后将所提方法应用于青霉素发酵仿真和重组大肠杆菌发酵过程监测,结果表明,该方法能及时监测到故障,具有较好的监测性能。
-
关键词
算法
动态建模
神经网络
LSTM
过程监测
循环自动编码器
-
Keywords
algorithm
dynamic modeling
neural networks
LSTM
process monitoring
recurrent autoencoder
-
分类号
TQ028.8
[化学工程]
-
