基于深度迁移学习的多工况流程工业故障检测诊断方法

摘要

本申请提出了一种基于深度迁移学习的多工况流程工业故障检测诊断方法，该方法包括：获取流程工业在多个工况下的历史数据，包括正常运行数据和故障数据，并构建故障库；将历史数据进行标准化，整理成二维矩阵；结合深度迁移学习的最大均值差异MMD训练设计的故障检测模型和故障诊断模型，计算故障检测模型的检测阈值；采集实时数据，进行相应的标准化和整理处理后,输入至训练完成的故障检测模型计算损失函数值，将损失函数值与检测阈值进行比较，以判断生产系统是否发生异常；如果发生异常，则将实时数据输入至故障诊断模型确定生产系统的故障类型。该方法构建了多工况通用的故障检测和诊断模型，提高了多工况流程工业的监控效率。