基于扩散距离的信息熵FCM多阶段LSTM-AE间歇过程故障监测OA
Multi-phase LSTM-AE fault monitoring of batch processes based on diffusion distance and entropy FCM
针对间歇过程中因忽略数据在阶段划分中的非线性,导致故障监测精度低的问题,提出一种基于扩散距离的信息熵模糊C均值(DDEFCM)多阶段长短期记忆网络的自动编码器(LSTM-AE)间歇过程故障监测方法.首先为了自动识别聚类个数,利用信息熵描述批处理后的二维时间片矩阵.再采用扩散距离对模糊C均值聚类(FCM)算法进行改进,解决欧式距离不能表征数据非线性的问题,有效划分间歇过程的稳定阶段,然后利用轮廓系数划分过渡阶段.最后建立多阶段LSTM-AE监测模型…查看全部>>
高学金;李学凤;齐咏生
北京工业大学 信息学部, 北京 100124数字社区教育部工程研究中心, 北京 100124城市轨道交通北京实验室, 北京 100124
信息技术与安全科学
间歇过程非线性扩散距离阶段划分故障监测
《高校化学工程学报》 2023 (1)
120-130,11
北京市自然科学基金(4222041,4192011).
评论