基于GRU深度神经网络的动态工业过程故障诊断方法

摘要

本发明公开了一种基于GRU深度神经网络的动态工业过程故障诊断方法，本方法将原始数据分成几个序列单元作为GRU的输入，通过批量归一化算法建立GRU网络，可以有效地从序列单元中提取动态特征，采用softmax回归方法，根据GRU提取的动态特征对故障进行分类，给出分类的概率解释，使得诊断结果进一步精确，从而避免“维数灾难”问题，提高动态工业过程故障诊断的准确率。