基于DSC-DenseNet的流程工业系统故障监测

摘要： 田纳西-伊士曼过程数据高纬度、高耦合，存在数据特征难以提取的问题。为进一步提高流程工业系统中故障监测的识别率，现将一维稠密卷积网络(1D-DenseNet)与深度可分离卷积(DSC)结合，利用DenseNet的高效特征提取能力，并结合DSC减少计算参数、提高诊断效率，以提供基于DSC-DenseNet的故障监测方式。先将数据进行归一化整理，并加入随机种子避免过拟合，随后将处理后... （共5页）