一种基于1D-CNN-IALO-SVM的化工过程故障诊断方法

本发明公开一种基于1D‑CNN‑IALO‑SVM的化工过程故障诊断方法。主要包括以下步骤：首先，获取化工过程的故障数据，对故障数据进行预处理，并划分为训练集和测试集；其次，构建一个1D‑CNN作为特征提取模块，将预处理后的训练集输入到模块中进行训练，并通过全连接层接收数据特征进行输出，完成特征提取；然后，训练SVM模型，先将提取好的数据特征输入到SVM中，再通过改进蚁狮算法IALO对SVM参数惩罚因子C和核参数g进行优化；最后，将测试集输入至优化好的SVM模型，完成对化工过程的故障诊断。与现有技术相比，本发明提出的基于1D‑CNN‑IALO‑SVM的化工过程故障诊断方法，诊断准确率高，满足了对化工过程中故障诊断的需要。