一种基于RF降噪自编码信息重构和时间卷积网络的复杂工业过程故障预测方法

发明专利有效专利

申请号：
CN202110442777.3
IPC分类号：G06Q10/04;G06N3/04;G06N3/08;G06K9/62
申请日期：
2021-04-23
申请人：
北京工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于RF降噪自编码信息重构和时间卷积网络的复杂工业过程故障预测方法
申请号	CN202110442777.3	申请日期	2021-04-23
法律状态	公开	申报国家	中国
公开/公告日	2021-11-12	公开/公告号	CN113642754A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;K;9;/;6;2查看分类表>
申请人	北京工业大学	申请人地址	北京市朝阳区平乐园100号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京工业大学	当前权利人	北京工业大学
发明人	高学金;马东阳;韩华云;高慧慧
代理机构	北京思海天达知识产权代理有限公司	代理人	张慧

摘要

本发明公开了一种对复杂工业过程进行故障预测的新方法，包括“故障状态特征提取”和“故障预测”两个阶段。故障状态特征提取包括：首先对复杂工业过程的数据，利用随机森林算法筛选出与故障相关的特征；之后引入堆栈降噪自编码网络进行特征重构，进而构造平方预测误差(SPE)统计量作为故障的状态特征，并利用核密度估计方法确定控制限；最后将新数据代入模型，计算其统计量并判断是否正常。“故障预测”包括：首先将SPE组成时间序列，之后利用SFTCN的预测模型实现SPE的趋势预测。本发明采用随机森林算法降低了堆栈降噪自编码网络训练成本，采用改进的时间卷积网络能够有效提取故障状态的时序特性，故障预测精度较高。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供