文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202110248735.6

申 请 日：20210308

发 明 人：辜小花 卢飞 杨光 唐德东 杨利平 李家庆 李太福 李芳

申 请 人：重庆优易特智能科技有限公司 重庆科技学院 中南财经政法大学

申请人地址：401331 重庆市沙坪坝区大学城东路20号众创大厦二层D205

公 开 日：20230718

公 开 号：CN113033079B

代 理 人：王玉芝

代理机构：重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供一种基于不平衡修正卷积神经网络的化学故障诊断方法,包括以下步骤，S1：TE过程数据预处理；S2：合成样本；S3：数据降维；S4：构建CNN增量学习网络。本发明的有益效果是，提出的II‑CNN框架可以进行不平衡数据的合成，并考虑了边界样本的重要性，从而使合成的样本更具有代表性；在此基础上，对数据进行降维，简化复杂的学习过程；最后，针对新故障类型的到来，采用增量学习更新CNN网络的结构和参数。该方法优于现有的静态模型方法，在化学故障诊断中具有显著的鲁棒性和可靠性。

主 权 项：1.一种基于不平衡修正卷积神经网络的化学故障诊断方法,其特征在于，包括以下步骤，S1：TE过程数据预处理，对数据进行离散值和标准化处理；S2：生成和提取不平衡数据的信息；S3：进行数据降维，提取故障的关键特征变量；S4：构建CNN增量学习网络；所述步骤S3包括，输入:为训练数据集，Ite为迭代次数，θ为容许误差，δ(0)为学习速率，U表示训练样本个数；输出:w为特征权值向量；S31初始化权值向量M表示样本的维数；S32随机选择一个样本x_u；S33使e(t-1)＝0,δ(t)＝δ(t-1)/t，t表示迭代的次数；S34采用以下公式计算α_u和β_u： h是样本矩阵，λ是正则化因子；S35采用以下公式更新e(t-1)： S36在u＝1:U范围内，循环执行步骤S34和步骤S35，直到循环U次；S37采用以下公式更新e(t-1)：e(t-1)＝e(t-1)/U；S38计算z(t-1)，公式： S39更新w(t)，公式： S310判断是否满足条件：||w(t)-w(t-1)||≤θ，满足则进行下一步，不满足则循环S32到S3

关 键 词：化学故障  增量学习  合成  过程数据预处理  卷积神经网络 不平衡修正  诊断  边界样本  故障类型 合成样本  静态模型 数据降维 学习过程  鲁棒性  构建  降维 样本  网络 更新  

IPC专利分类号：G06F30/27;G06F18/214;G06F18/22;G06N3/0464;G06N3/08;G06F119/08