仪器仪表学报

作者：王翔，柯飂挺，任佳

单位：王翔,浙江理工大学自动化系杭州310018,,柯飂挺,浙江理工大学自动化系杭州310018,,任佳,浙江理工大学自动化系杭州310018,

关键词：过程系统;故障检测;样本重构;多尺度;孪生卷积神经网络;田纳西伊斯曼过程

基金：浙江省自然科学基金（LY17F030024）、浙江省公益技术研究项目（LGG20F030007）资助、浙江理工大学基本科研业务费专项资金（2019Q032）

基于数据驱动的故障检测已成为工业过程故障检测的重要手段，但其在实际应用时受限于过程历史数据的规模，往往难以取得令人满意的检测精度。针对这一问题，提出了一种样本空间重构策略，该策略基于随机采样构造同类、异类样本对，在扩充数据规模的同时，将复杂的分类建模问题转化为样本间的相似度对比问题，降低了任务的复杂度。在此基础上，引入并改进孪生卷积神经网络(SiameseCNN)结构，提出了一种基于多尺度孪生卷积神经网络(Multi?scaleSiameseCNN)的化工过程故障检测方法。田纳西?伊斯曼(TE)过程数据测试结果表明，所提算法的平均故障检测准确率达到89?66%，相对于常规数据驱动的故障检测算法提高8%以上。

来源：2019年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第11期