| 注册
首页|期刊导航|高校化学工程学报|基于最大信息系数和深度残差图卷积的工业过程故障诊断方法

基于最大信息系数和深度残差图卷积的工业过程故障诊断方法

任佳 孙思宇 鲍克

高校化学工程学报2023,Vol.37Issue(1):111-119,9.
高校化学工程学报2023,Vol.37Issue(1):111-119,9.DOI:10.3969/j.issn.1003-9015.2023.01.014

基于最大信息系数和深度残差图卷积的工业过程故障诊断方法

Fault diagnosis method in industrial processes based on maximal information coefficient and depth residual graph convolution

任佳 1孙思宇 2鲍克1

作者信息

  • 1. 浙江理工大学 信息科学与工程学院, 浙江 杭州 310018
  • 2. 中国计量大学 浙江省智能制造质量大数据溯源与应用重点实验室, 浙江 杭州 310018
  • 折叠

摘要

关键词

故障诊断/最大信息系数/图卷积网络/田纳西-伊斯曼过程/三相流过程

分类

信息技术与安全科学

引用本文复制引用

任佳,孙思宇,鲍克..基于最大信息系数和深度残差图卷积的工业过程故障诊断方法[J].高校化学工程学报,2023,37(1):111-119,9.

基金项目

国家自然科学基金(51876194) (51876194)

浙江省公益技术研究项目(LGG20F030007) (LGG20F030007)

浙江省电子信息产品检验研究院(浙江省信息安全重点实验室)开放课题 (浙江省信息安全重点实验室)

浙江省智能制造质量大数据溯源与应用重点实验室开放课题(ZNZZSZ-CJLU2022-01). (ZNZZSZ-CJLU2022-01)

高校化学工程学报

OA北大核心CSCDCSTPCD

1003-9015

访问量0
|
下载量0
段落导航相关论文