基于ITCN-IDBO-SVM的间歇过程故障诊断研究

来源：计算机工程与科学杂志2025年第12期北京时间：

作者：梁秀霞, 何月阳, 刘冲, 梁涛

单位：（河北工业大学人工智能与数据科学学院，天津 300401）

摘要：为提高间歇过程故障诊断的准确性，并解决传统分类器在特征提取上的依赖性问题，本文提出了一种基于改进的时间卷积网络ITCN-改进的蜣螂优化算法IDBO-支持向量机SVM结合的故障诊断模型。故障诊断分为故障特征提取和分类诊断2个过程。首先，利用ITCN从间歇过程数据中提取特征，并将全连接层的输出作为IDBO-SVM分类层的输入。其次，通过IDBO优化SVM参数以提高模型的分类精度，同时使用T-SNE进行可视化分析进一步验证模型的特征提取和分类能力。最后，在青霉素发酵过程数据集上，与原始的时间卷积网络TCN和卷积神经网络CNN进行对比实验。实验结果表明，所提模型不仅提升了故障识别的准确性，还具备良好的泛化性能。

关键词：故障诊断,间歇过程,时间卷积网络,支持向量机,蜣螂优化算法,