申请/专利权人：杭州电子科技大学

申请日：2021-12-30

公开（公告）日：2024-06-25

公开（公告）号：CN114326639B

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明公开了一种混合注意力卷积神经网络与XGBoost算法的工业过程性能评估方法，包括如下步骤：步骤1、以一定频率采集工业过程中系统变量的运行数据，建立包含多变量，多类型故障的数据集，并对其进行数据预处理，在此基础上对故障类型进行编号打标签，设置对应的关系，之后对故障类型和标签划分相应的训练集和测试集；步骤2、构建注意力卷积神经网络故障诊断模型；步骤3：利用划分好的训练集训练注意力卷积网络模型；步骤4：将模型性能最好时所提取到的特征输入到XGBoost分类器中拟合提升树；步骤5：故障诊断：将测试集输入到ACNN‑XGBoost模型中，XGBoost分类器的输出可以反映模型最终的诊断结果。

主权项：1.一种混合注意力卷积神经网络与XGBoost算法的工业过程性能评估方法，其特征在于包括如下步骤：步骤1、数据处理：以一定频率采集工业过程中系统变量的运行数据，建立包含多变量，多类型故障的数据集，并对其进行数据预处理，在此基础上对故障类型进行编号打标签，设置对应的关系，之后对故障类型和标签划分相应的训练集和测试集；步骤2、构建注意力卷积神经网络故障诊断模型；步骤3：利用划分好的训练集训练注意力卷积网络模型；步骤4：将模型性能最好时所提取到的特征输入到XGBoost分类器中拟合提升树；步骤5：故障诊断：将测试集输入到ACNN-XGBoost模型中，XGBoost分类器的输出可以反映模型最终的诊断结果；所述数据预处理是指对数据集进行离差标准化处理Min-maxnormalization,具体转换函数如下： 式中minx和maxx分别表示数据样本中的最小值和最大值，xi表示样本数据；所述对故障类型进行编号打标签是指对数据集进行one-hot编码，使用N位状态寄存器来对N个故障进行编码，每个故障都有各自独立的寄存器位，且在任意时刻，只有其中一位有效；所述注意力卷积神经网络故障诊断模型由三层卷积神经网络、两个注意力卷积模块以及FC层叠加构成；所述三层卷积神经网络中每层都与BN层叠加，卷积层对数据进行卷积运算，采用elu激活函数，padding采用same表示填充输入，使得输出与输入具有相同的长度,并使用L2正则化技术；其中卷积层的卷积运算如下式所示：x[l]＝fW[l]*x[l-1]+b[l]2式中x[l]表示第l层的输出，l∈[1，2，…,n]，W[l]表示第l层卷积核，“*”表示卷积运算，b[l]表示第l层对应的偏置，f·表示激活函数；BN层对输入数据进行批归一化操作，使得输出数据的均值0，方差为1；相关操作如下： 式中表示经BN层计算后的输出；yi表示输入的特征值；E表示输入特征值的均值；D表示输入特征值得方差；γ和β表示模型中需要训练的参数；两个注意力卷积模块在每两次卷积之后添加注意力机制模块；注意力机制模块函数表示如下：先设输入特征为F∈RC*H*W,CABM依次推断出一维通道权重系数：MC∈RC*1*1和一个二维的空间权重系数:Ms∈R1*H*W，整体的公式为： 分别是通道注意力和空间注意力操作，其中表示对应元素相乘。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于混合注意力卷积神经网络的工业过程性能评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD