计算机应用研究

作者：李显,李歆,周晓锋,李帅,金樑,

单位：1.中国科学院网络化控制系统重点实验室,沈阳110016；2.中国科学院沈阳自动化研究所,沈阳110016；3.中国科学院机器人与智能制造创新研究院,沈阳110169；4.中国科学院大学,北京100049；

关键词：自动故障诊断,工业过程,网络结构搜索,多通道卷积神经网络,表现预测,

基金：辽宁省“兴辽英才计划”资助项目(XLYC1808009)；；

针对现有基于深度神经网络的工业过程故障诊断方法存在网络结构设计烦琐及参数寻优耗时等问题，提出了一种基于网络结构搜索的工业过程自动故障诊断方法（automatic fault diagnosis，AutoFD），该方法采用AutoFD网络结构搜索算法，来自动完成卷积神经网络的网络结构设计和网络参数寻优。在此基础上，首先通过在原始数据上施加操作生成新通道；接着利用表现预测加速获取通道适应性排序的过程；然后依据通道适应性排序，通过表现预测来快速选取最优卷积通道数；最终根据最优卷积通道来搜索表现最优的多通道卷积神经网络模型用于工业过程自动故障诊断。采用田纳西—伊斯曼（Tennessee Eastman，TE）工业过程和数值系统对提出方法进行验证，结果表明该方法可以实现网络结构自动设计及网络参数的自动寻优，并且具有优良的故障诊断性能。

来源：2022年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第3期