基于批次图像化的卷积自编码故障监测方法

作者：张海利; 王普; 高学金^*; 齐咏生; 高慧慧

来源：控制与决策, 2021, 36(06): 1361-1367.

DOI：10.13195/j.kzyjc.2019.1342

• 间歇过程
• 多阶段
• 批次图像
• 卷积自编码器
• 一类支持向量机
• 故障监测

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder, CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.

• 单位
  北京工业大学; 内蒙古工业大学