[发明专利]基于卷积神经网络(CNN)的间歇工业过程故障诊断在审
| 申请号： | 201910747241.5 | 申请日： | 2019-08-14 |
| 公开（公告）号： | CN110554667A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 姜庆超;易怀宽;颜学峰 | 申请（专利权）人： | 姜庆超;易怀宽 |
| 主分类号： | G05B19/418 | 分类号： | G05B19/418 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 200030 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神将网络（CNN）的间歇工业过程故障诊断方法，将深度学习方法应用到工业现场故障诊断当中。该方法具体包括如下步骤：1）间歇工业过程现场数据的采集；2）按时间轴对采集的数据进行网格化处理，并且将其标准化为0到255之间的灰度图片；3）由大量已知工况的离线数据训练搭建好的CNN网络模型，得到网络的各项参数；4）输入在线数据，进行故障诊断。 | ||
| 搜索关键词： | 故障诊断 工业过程 采集 网格化处理 工业现场 灰度图片 离线数据 网络模型 现场数据 在线数据 时间轴 卷积 网络 学习 | ||
【主权项】：
1.一种基于卷积神经网络(CNN)的间歇工业过程故障诊断，所述间歇工业过程指操作步骤在同一位置而在不同的时间进行，操作状态不稳定，参数随时间而变的工业过程；其过程数据的特征在于数据量巨大、不确定性、动态性和时变性；所述卷积神经网络主要包含输入层、卷积层、池化层、全连接层和池化层；所述输入层和卷积层前后连接；所述卷积层和池化层前后连接；所述全连接层和池化层前后连接；所述全连接层作为输出层的前一层。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于姜庆超;易怀宽，未经姜庆超;易怀宽许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910747241.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种自动化接指装置
- 下一篇：制丝生产信息实时监视方法及系统
