一种基于归一化流的零故障样本化工过程故障检测方法

本发明涉及工业过程故障检测技术领域，公开了一种基于归一化流的零故障样本化工过程故障检测方法，采集化工生产过程中物料参数，将采集到的实时数据经过预处理后，据输入到离线训练好的TNF网络中，输入的样本数据首先经过长短期记忆网络获得时序特征，然后再经过改进后的归一化流模型获得潜在数据分布，将潜在数据分布与标准正态分布进行对比，如果与标准正态分布的的差异小于给定阈值则判定为正常样本，否则为故障样本。本发明采用了无监督学习的方法来离线训练模型，保证了只需要正常样本用于模型训练，降低了数据采集的成本，本发明的TNF模型降低了模型参数量与计算量，同时具有良好的泛化性能。