基于质量驱动的长期短期内存网络和自动编码器的动态过程的与质量相关的故障检测
Yishun Liu1, Keke Huang1, Benedict Jun Ma2
1School of Automation, Central South University, Changsha 410083, China.
概括
本研究介绍了一种使用质量驱动的长短期内存和自动编码器 (QLSTM-AE) 用于工业过程的新型故障检测方法. QLSTM-AE准确地识别故障并区分与质量相关的问题,提高效率并减少损失.
科学领域:
- 工业过程监控 工业过程监控
- 机器学习用于故障检测.
- 在制造业的数据分析.
背景情况:
- 工业动态过程复杂,故障检测具有挑战性.
- 区分与质量相关的故障是困难的,导致损失.
- 现有的方法在不均的动态和特征提取方面扎.
研究的目的:
- 为复杂的工业动态过程开发一种新的故障检测方法.
- 通过结合质量变量来提高故障检测的准确性.
- 有效地区分不同类型的故障,包括与质量相关的故障.
主要方法:
- 使用质量驱动的长短期记忆和自动编码器 (QLSTM-AE) 模型.
- 采用长期短期内存 (LSTM) 网络进行动态特征提取.
- 并行内置质量变量,并使用重建错误 (SPE) 和Hotelling T2 (H2) 统计数据来检测故障.
主要成果:
- 该QLSTM-AE方法在故障检测方面表现出高准确度.
- 拟议的战略有效地区分了各种故障类型.
- 对模拟和田纳西东曼 (TE) 基准的实验证实了该方法的可靠性和有效性.
结论:
- QLSTM-AE方法为工业动态过程中故障检测提供了可靠和准确的方法.
- 它成功地解决了与复杂动态和与质量相关的故障识别相关的挑战.
- 该方法在精度和故障分离方面优于现有的最先进技术.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.6K
