[发明专利]一种基于一维多路卷积神经网络的故障分类方法

摘要

本发明公开了一种基于一维多路卷积神经网络的故障分类方法，属于工业过程监控技术领域。该方法对传统的二维卷积神经网络做出改进，沿变量方向运用多路并列的一维卷积神经网络，对各变量之间的互相关性进行解构，独立地对各变量进行卷积、池化而提取时序特征信息，所提取的特征更加多样化，鲁棒性更高，克服了传统二维卷积神经网络对输入数据中变量先验排列次序的敏感，更加适用于复杂、高阶的工业过程数据；实验表明，采用本发明提供的基于一维多路卷积神经网络训练得到的故障分类模型，可有效地进行工业过程数据的故障分类，相比常用模型具有更高的泛化能力。

主权项

1.一种基于一维多路卷积神经网络的故障分类方法，其特征在于，包括以下步骤：(1)采集工业过程中各个故障状态下的数据，并对这些数据进行故障标记和标准化处理以构建数据集；(2)搭建多路一维卷积神经网络模型，对所述数据集进行特征提取；所述多路一维卷积神经网络模型包括依次设置的一维卷积层、最大池化层、批正则化层、非线性激活层、全连接层和分类器；(3)选取所述多路一维卷积神经网络模型超参数；(4)从步骤(1)中构建的所述数据集中提取部分数据以构建训练集，并将所述训练集输入步骤(2)中搭建的所述多路一维卷积神经网络模型中进行训练，以获得故障分类模型；(5)采集工业工程实时数据，输入所述故障分类模型中进行检测，得到故障分类结果。