基于KPCA-LSTM模型的石化生产过程故障诊断

摘要：

近年来人工智能与机器学习技术越来越多地用于石化行业生产过程的故障诊断,故障诊断水平的高低直接决定了生产系统的运行能力.提出了一种核主元分析法—长短时记忆神经网络(KPCA-LSTM)的故障诊断方法,首先利用核主元分析法进行故障检测,然后利用核主元分析法降维后的故障数据输入进长短时记忆神经网络进行诊断,最后利用田纳西数据集证明了所提出方法的有效性,同时表明该方法与普通的长短时记忆神经网络相比训练时间得到了缩减.

关键词：故障诊断;石油化工;核主元分析法;长短时记忆神经网络

所属期刊栏目：57

分类号：TP273(自动化技术及设备)

在线出版日期：2021-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：6-9,36