基于时序卷积网络的工业过程质量异常诊断方法及系统

本发明公开一种基于时序卷积网络的工业过程质量异常诊断方法，其步骤为：首先，收集工业生产过程的原始多变量数据，剔除缺失值、异常值，再通过变分模态分解方法，分解原始多变量数据的特征；接着，构建时序卷积神经网络模型；然后，将结构化数据输入构建的时序卷积神经网络模型中，利用交叉熵损失函数调整优化深度学习模型参数；最后，根据训练完成的时序卷积神经网络模型，对实时产生的工业多变量数据进行质量监控与诊断。本发明能够显著提高工业生产过程质量监控与诊断的准确率。