串行分组深度学习运行状态分析与故障预测.pdfVIP

2023年5月控制程May.2023

第30卷第5期ControlEngingofChinaVol.30,No.5

文章编号：1671-7848(2023)05-0936-08D0I:10.14107/j.cnki.kzgc

串行分组深度学习运行状态分析与故障预测

钱虹1，孙勃1,2，郭媛君2,3，凌君4a,4b,4c，杨之乐2.3，冯伟2

全监控技术与装备国家重点实验室，广东深圳518172；4.上海交通大学a.自动化系；b.系统控制与信息处理教育部

重点实验室；c.上海工业智能管控工程技术研究中心，上海200240）

摘要：在现代工业生产运行中，如何充分挖掘海量的多源异构生产运行数据，实现异常

工况的快速检测和故障预测，有效提高工业生产设备的可靠性，仍然是研究的难点。提出

一种基于串行分组深度学习的工业生产运行状态分析与故障预测模型，针对时间序列突变

故障设计了串行分组深度学习网络框架，实现目标对象的故障检测与预测，及时发出故障

预警。通过对某造纸厂数据以及风力发电频率监测数据进行测试，并与传统神经网络预测

模型进行对比分析，表明了所提算法的准确性，为提高生产设备使用寿命、减低工业生产

成本，提高安全稳定运行起到重要作用。

关键词：故障预测；串行分组深度学习；长短期记忆模型；卷积网络；主成分分析

中图分类号：TP18文献标识码：A

Oper

ationStateAnalysisandFaultPredictionModelBasedonSerialGrouping

DeepLearning

QIANHongl,SUNBo1.2,GUOYuan-jun23,LINGJun4a,4b,4c,YangZhi-le2.3,FENGWei?

(1.SchoolofAutomationEngineering,ShanghaiUniversityofElectricPower,Shanghai200090,China;2.ShenzhenInstitutesof

AdvancedTechnologyChineseAcademyofSciences,Shenzhen518055,China;3.StateKeyLaboratoryofNuclearPowerSafety

MonitoringTechnologyandEquipment,Shenzhen518172,China;4.a.DepartmentofAutomation;b.KeyLaboratoryofSystem

ControlandInformationProcessing,MinistryofEducationofChina;c.ShanghaiEngineeringResearchCenterofIntelligent

ControlandManagement,ShanghaiJiaotongUniversity,Shanghai200240,China)

Abstract:Inthemodernindustrialproductionoperation,aresearchdifficultystillexistsonhowtofully

analysisthemassivemulti-sourceheterogeneousproductiondata,realizetherapiddetectionofabnorma