申请/专利权人：江南大学

申请日：2023-09-11

公开（公告）日：2024-06-25

公开（公告）号：CN117350328B

主分类号：G06N3/0442

分类号：G06N3/0442;C12Q3/00;G06N3/0455;G06N3/084;G06F18/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明属于基于数据驱动的故障监测技术领域，尤其涉及一种基于LSTM‑CVAE的乳酸菌批次发酵过故障检测和诊断方法。本发明包括“线下建模”和“线上监测”。“线下建模”两个部分。其中“线下建模”，对已采集正常生产的批次发酵过程数据进行标准化和数据预处理；建立LSTM‑CVAE网络模型，并构建故障检测统计量；计算控制限；设计诊断；“线上监测”包括对线上采集数据进行标准化处理，判断发酵运行状态，出现故障及时诊断故障来源；本发明能有效处理批次发酵过程的二维动态特性，多时段特性，实现线上故障实时监测。

主权项：1.一种基于LSTM-CVAE的DRBC诊断方法，其特征在于，首先建立基于LSTM-CVAE的发酵监测模型，包括如下步骤：1）采集正常发酵的过程数据，所述过程数据为三维数据，共有个发酵批次，每个发酵批次中有个采样时刻，每个采样时刻里有个采样变量；2）对步骤1）中获得的数据进行预处理，按照时段划分数据，从发酵批次维度对数据进行Z-score标准化处理，获得标准数据；3）对步骤2）的标准化数据进行三维滑窗处理，获得输入序列，其中，为时间维度相关性长度，为批次维度相关性大小，为过程变量个数；4）建立LSTM-CVAE网络模型，所述网络模型的具体结构为编码器和解码器，所述编码器包含三层：第一层为LSTM神经网络，神经元个数为J，第二层为全连接层，用于LSTM信息提取与传递，第三层分为均值和方差，第三层神经元小于第二层，第三层采用重构化参数策略，将浅空间压缩到标准正态分布；所述解码器包含三层，第一层为LSTM层，用于先前信息的提取并存储，第二层为全连接层，用于将信息进一步处理，第三层的神经元与输入层神经元个数相同；5设计故障检测指标，分别为潜变量的故障检测指标与残差空间故障检测指标，具体计算方法为： 其中，KL是衡量LSTM-CVAE的浅空间分布与标准正态分布间的距离，为编码网络，为潜变量，为标准正态分布，为二范数，为采样次数，计算控制限；6）进行模型训练直至损失函数的值稳定；再进行诊断，包括如下步骤：I）采集实时发酵过程数据，表示当前发酵批次第采样的个取样变量的数据；II）对步骤I）采集的实时发酵过程数据通过建立基于LSTM-CVAE的发酵监测模型的步骤2）进行标准化处理并按照建立基于LSTM-CVAE的发酵监测模型的步骤3）获得输入序列；III）设计两个向量，其中代表故障的变量方向的向量，故障的幅值向量，所述两个向量的初始值设为0；III）将基于LSTM-CVAE的发酵监测模型中神经网络参数固定；IV）将输入序列与相加，将放入到基于LSTM-CVAE的发酵监测模型中，获得和的两个统计量；V）当发生故障，所述统计量超出控制限，通过优化两个向量的参数反向传播实现故障诊断，当统计量小于控制限，故障诊断完成。

全文数据：

权利要求：

百度查询： 江南大学 一种基于LSTM-CVAE的乳酸菌发酵过程故障检测与诊断方法

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