摘要
本发明公开了一种基于注意力机制LSTM网络的化工过程故障检测方法,具体涉及化工过程故障诊断领域。本发明首先由matlab软件仿真获取化工过程数据,对化工过程数据进行预处理,进行标准化以及滑动窗口处理;接着建立化工过程数据集,将获取到的化工过程数据进行标签标注,并且将化工过程数据集划分为训练集和测试集;然后构建注意力机制LSTM网络模型,由LSTM层,自我注意力机制层,全连接层,Softmax层依次连接而成;紧接着使用构建好的网络模型对化工过程数据训练集进行训练,并将训练好参数的网络模型保存;最后将保存好的网络模型对化工过程数据测试集进行故障检测,从而获得化工过程的故障分类结果。本发明适用于化工过程的故障诊断。
技术关键词
注意力机制
故障检测方法
化工
滑动窗口
田纳西伊斯曼
软件仿真
网络模型结构
误差函数
优化器
训练集数据
故障类别
标签
样本
参数
编码
表达式
系统为您推荐了相关专利信息
时间序列预测模型
历史气象数据
时间序列预测方法
分布特征
时间序列预测系统
一体化关节
分级预警方法
故障诊断模块
模式匹配
关键运行参数
个性化知识推荐
协同系统
融合分析方法
优化内容呈现
数据
性能控制方法
建筑物
性能控制系统
LSTM模型
运维平台