成果信息
本發(fā)明涉及一種基于LSTM 和MLP結(jié)合的化工過(guò)程故障診斷方法,。本發(fā)明首先將原始一維數(shù)據(jù)通過(guò)降維,,去掉部分冗余數(shù)據(jù)點(diǎn),。其次將得到的一維數(shù)據(jù)輸入堆疊的LSTM,,提取得到具有時(shí)間特性的特征信息,。然后通過(guò) Flatten層將LSTM的輸出數(shù)據(jù)展開,,輸入到由全連接層堆疊而成的 MLP 中,。最后由最后一層全連接層中的 Softmax分類器進(jìn)行故障類別的分類,。本發(fā)明充分利用了 LSTM 與 MLP 網(wǎng)絡(luò)在時(shí)間與空間方面特征提取的優(yōu)勢(shì),在兩層LSTM 后使用 MLP 網(wǎng)絡(luò)去進(jìn)行整體的特征提取與學(xué)習(xí),本發(fā)明運(yùn)用于非線性,、高耦合,、時(shí)變以及多特征點(diǎn)的化工過(guò)程數(shù)據(jù),診斷效果較好,。 )
背景介紹
本發(fā)明涉及一種基于LSTM 和MLP結(jié)合的化工過(guò)程故障診斷方法,。)
應(yīng)用前景
-)