基于DSC-DenseNet的流程工业系统故障监测

来源：机床与液压杂志2024年第7期北京时间：

作者：汪凯，亚森江·加入拉

单位：新疆大学机械工程学院；新疆大学机械工程学院

摘要：田纳西-伊士曼过程数据高纬度、高耦合，存在数据特征难以提取的问题。为进一步提高流程工业系统中故障监测的识别率，现将一维稠密卷积网络（1D-DenseNet）与深度可分离卷积（DSC）结合，利用DenseNet的高效特征提取能力，并结合DSC减少计算参数、提高诊断效率，以提供基于DSC-DenseNet的故障监测方式。先将数据进行归一化整理，并加入随机种子避免过拟合，随后将处理后的结果作为DSC-DenseNet的输入进行特征提取，然后将输出结果传入全连接层进行故障分类；最后在TEP数据集上进行准确率测试。结果证明：基于DSC-DenseNet的方法能有效分辨故障类型，故障分类准确率达到98.8%。并证明DSC-DenseNet比传统DenseNet有更好的故障识别效果。

关键词：稠密连接网络;深度可分离卷积;故障诊断;田纳西伊士曼过程

基金资助：国家自然科学基金项目（52065065）;新疆维吾尔自治区重点研发计划项目（2023B01027-2）