收录:
摘要:
本发明公开了一种基于HHT‑DCNN的发酵过程故障监测方法,用于解决传统故障监测方法容易忽略数据深层特征提取问题,属于故障监测领域,包括离线、在线两个阶段。离线阶段,首先采用滑动窗技术分割数据获取过程变量序列;然后对多个序列进行希尔伯特‑黄变换得到时频图,挖掘变量在幅值、频率、相位上的异常变化;最后利用时频图训练深度卷积神经网络模型,有效提取数据深层特征。在线阶段,从发酵过程获取新批次的m个时刻数据进行预处理,采用训练好的模型把新批次数据分为有故障和无故障两种状态,实现故障在线监测;本发明具有监测准确性高,实用性强的特点。
关键词:
通讯作者信息:
电子邮件地址: