基于滑动窗和多块卷积自编码器的故障检测.docx

下载文档

0
0
约2.38万字
约 26页
2024-12-02 发布于北京
举报
版权申诉
保障服务

基于滑动窗和多块卷积自编码器的故障检测.docx

1、本文档共26页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

第36

第36卷第2期2024年2月

Vol.36No.2Feb.2024

JournalofSystemSimulation

基于滑动窗和多块卷积自编码器的故障检测

牟建鹏1，熊伟丽1,2

(1.江南大学物联网工程学院，江苏无锡214122；2.江南大学轻工过程先进控制教育部重点实验室，江苏无锡214122)

摘要：为了进一步提升故障检测性能，充分挖掘时序和隐含特征信息，提出一种基于卷积自编码器的故障检测方法。在对原始信息集进行建模的基础上增加了对累计信息与变化率信息的建模，以增强对隐含信息的挖掘；对重构的3个信息集进行滑动窗采样，基于卷积自编码器进行时序特征提取和建模；将卷积自编码器的决策结果进行贝叶斯融合得到统计量，并用核密度估计的方法确定控制限从而进行故障检测。将该方法进行数值仿真并应用于TE过程，仿真结果验证了所提方法的有效性和检测性能。

关键词：故障检测；卷积自编码器；多块建模；滑动窗；贝叶斯融合

中图分类号：TP277文献标志码：A文章编号：1004-731X(2024)02-0423-13

DOI:10.16182/j.issn1004731x.joss.22-1059

引用格式:牟建鹏,熊伟丽.基于滑动窗和多块卷积自编码器的故障检测[J].系统仿真学报,2024,36(2):423-435.

Referenceformat:MouJianpeng,XiongWeili.FaultDetectionBasedonSlidingWindowandMultiblockConvolutionalAutoencoders[J].JournalofSystemSimulation,2024,36(2):423-435.

FaultDetectionBasedonSlidingWindowandMultiblockConvolutionalAutoencoders

MouJianpeng1,XiongWeili1,2

(1.SchoolofInternetofThingsEngineering,JiangnanUniversity,Wuxi214122,China;

2.KeyLaboratoryofAdvancedProcessControlforIndustry(MinistryofEducation),JiangnanUniversity,Wuxi214122,China)

Abstract:Inordertofurtherimprovethefaultdetectionperformanceandfullyminethetimingandhiddenfeatureinformation,afaultdetectionmethodbasedonconvolutionalautoencoderisproposed.Onthebasisofmodelingtheoriginalinformationset,themodelingofcumulativeinformationandrateofchangeinformationisaddedtoenhancetheminingofimplicitinformation;Thethreereconstructedinformationsetsaresampledbyslidingwindows,andtimeseriesfeatureextractionandmodelingareperformedbasedonconvolutionalautoencoders.Bayesianfusionofthedecisionresultsoftheconvolutionalautoencoderisperformedtoobtainthestatistics,andthecontrollimitisdeterminedbythemethodofkerneldensityestimationforfaultdetection.ThemethodisnumericallysimulatedandappliedinTEp