本發(fā)明公開了一種基于近鄰成分損失優(yōu)化多尺度卷積神經(jīng)網(wǎng)絡(luò)的工業(yè)過程故障診斷方法,該方法可用于特征復(fù)雜的工業(yè)過程故障診斷。首先,采用多尺度卷積神經(jīng)網(wǎng)絡(luò)框架,分別從大尺度范圍和小尺度范圍提取故障數(shù)據(jù)之間的不同尺度時(shí)空特征,并將多尺度特征融合后訓(xùn)練模型;隨后,使用代理近鄰成分損失函數(shù)訓(xùn)練,使得模型在訓(xùn)練過程中不僅受到正樣本的影響,同時(shí)引入負(fù)樣本使不同故障類別之間的距離擴(kuò)大,相同故障類別之間的距離縮?。粸轵?yàn)證模型故障診斷性能的準(zhǔn)確性,將其用于廢水處理過程的故障診斷。實(shí)驗(yàn)結(jié)果表明,多尺度卷積神經(jīng)網(wǎng)絡(luò)特征提取方法與代理近鄰成分損失函數(shù)的結(jié)合可以明顯提高模型故障診斷的準(zhǔn)確性,更適用于復(fù)雜工業(yè)過程的故障診斷。
聲明:
“基于近鄰成分損失優(yōu)化多尺度卷積神經(jīng)網(wǎng)絡(luò)的工業(yè)過程故障診斷方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)