《计算机集成制造系统杂志》发表论文赏析
作者:娄建楼,李燕,王琦,孙博,贾俊奇
单位:1.东北电力大学计算机学院2.吉林省电力大数据智能处理工程技术研究中心3.中国石油天然气集团有限公司吉林石化分公司动力一厂
摘要:数据清洗过程是对锅炉设备在线监测数据预处理的一个重要环节,针对数据清洗步骤繁琐,易导致连续性数据被破坏等问题,提出一种基于混合自适应性矩估计和随机梯度下降算法优化的堆栈降噪自编码器的数据清洗方法。首先,引入自适应性矩阵估计和随机梯度下降的混合算法,以不断调整堆栈降噪自编码器模型的网络参数。其次,利用模型训练正常状态数据,获取数据的隐藏特征,得到正常状态下的重构误差。再次,用该模型检测异常状态数据,根据其重构误差分析各种类型的数据对模型的影响,并对“脏数据”和反映设备故障的异常数据进行快速分类清洗修复。通过某电厂锅炉监测数据的清洗修补实验,证明了该方法能准确识别出“脏数据”,修补后的数据亦能遵循数据整体的分布规律,满足了数据的清洗要求,为后续数据分析挖掘和设备故障诊断工作奠定了良好的基础。
关键词:锅炉设备,在线监测数据,数据清洗,深度学习,堆栈降噪自编码器,特征提取
基金资助:吉林省科技发展计划资助项目(20180101335JC)。
2019年12期其他文献查阅:
工业互联网推动离散制造业转型升级的发展现状、技术体系及应用挑战
云架构下基于标准语义模型和复杂事件处理的制造车间数据采集与融合
基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法
基于LRFAT模型和改进K-means的汽车忠诚客户细分方法
基于0-1背包策略改进离散粒子群算法的产业链金融产品双边匹配优化模型