基于改进卷积神经网络的动态过程质量异常模式识别

作者：赵哲耘; 刘玉敏; 王宁^*

来源：工业工程与管理, 2021, 26(04): 69-76.

DOI：10.19495/j.cnki.1007-5429.2021.04.009

• 动态过程
• 质量异常模式
• 改进卷积神经网络
• 正交试验
• 不平衡样本

为实时识别动态过程质量异常模式,提出了基于改进卷积神经网络的在线识别方法。根据动态过程数据流的特点构建一维卷积神经网络识别模型。通过改进卷积神经网络损失函数提升模型在不平衡分类问题下的识别准确率。为减少实验次数和节约计算资源,利用正交试验法对改进后的卷积神经网络进行参数优化。以某铅酸蓄电池涂板过程为例验证了所提模型的有效性。实验结果表明:所提方法在处理不平衡样本问题时表现出了良好的识别能力,能够有效应用于动态过程质量异常模式的在线识别。