一种基于HHT-DCNN的发酵过程故障监测方法

摘要

本发明公开了一种基于HHT‑DCNN的发酵过程故障监测方法，用于解决传统故障监测方法容易忽略数据深层特征提取问题，属于故障监测领域，包括离线、在线两个阶段。离线阶段，首先采用滑动窗技术分割数据获取过程变量序列；然后对多个序列进行希尔伯特‑黄变换得到时频图，挖掘变量在幅值、频率、相位上的异常变化；最后利用时频图训练深度卷积神经网络模型，有效提取数据深层特征。在线阶段，从发酵过程获取新批次的m个时刻数据进行预处理，采用训练好的模型把新批次数据分为有故障和无故障两种状态，实现故障在线监测；本发明具有监测准确性高，实用性强的特点。