自动编码器与典型相关分析方法联合驱动的工业过程质量监测
董洁1
孙瑞琪2
彭开香
唐鹏
1.北京科技大学自动化学院,北京,1000832.工业过程知识自动化教育部重点实验,北京,100083
摘要：本文将自动编码器(AE)特征提取方法和典型相关分析方法(CCA)有机结合,提出了一种联合驱动的质量监测模型及其质量相关的故障检测方法.首先,利用AE算法对输入样本进行无监督自动学习和重构,实现数据的特征提取和降维;其次,利用CCA算法实现特征与质量变量关联最大化,建立质量变量与特征变量的关系模型;根据监测模型的潜结构投影,构建T2统计量和SPE统计量及其相应控制限.将提出的方法用于分析带钢热连轧过程现场实际数据,结果表明,基于自动编码器-典型相关分析方法(AE-CCA)的质量监测方法能够准确的检测出故障,并且检测效果优于传统的核典型相关分析(KCCA)算法.
关键词：故障诊断质量监测典型相关分析方法(CCA)自动编码器-典型相关分析方法(AE-CCA)带钢热连轧
资助基金：国家自然科学基金(61473033)国家自然科学基金(61773053)国家自然科学基金(61873024)国家重点研发计划(2017YFB0306403)北京科技大学基本科研业务费专项(FRF-GF-17-A4)北京科技大学基本科研业务费专项(FRF-BD-18-002A)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1493-1500 )
英文信息