[发明专利]基于一维多头卷积网络的工业过程故障分类方法和系统

权利要求书

1.一种基于一维多头卷积网络的工业过程故障分类方法，其特征在于，该方法包括：

S1.对采集到的原始故障数据进行标准化处理，对标准化后的故障数据沿时间维度对每个变量进行截取，将数据截取后得到的数据集划分为训练集和验证集，所述训练集和验证集均包含所有故障类型的样本；

S2.使用训练集训练故障分类模型，使用验证集调整故障分类模型的超参数，以获得使模型分类性能最佳的超参数，所述故障分类模型包括依次串联的：一维多头卷积层、一维池化层、第一组归一化层、二维卷积层、二维池化层、第二组归一化层、非线性激活层、Dropout层、第一层全连接层、第二层全连接层、批归一化层和SoftMax分类层；

S3.将待测样本输入至训练好的故障分类模型，得到待测样本的类别预测结果；

所述一维多头卷积层，用于对每个变量进行独立的一维卷积操作，每个卷积的核大小相同，得到工业过程中每个变量在时间维度的变化特征；

所述二维卷积层，用于对输入的特征进行高一层次的特征提取，从时间维度和变量维度同时进行卷积以提取特征；

所述第一组归一化层用于对每个变量独立卷积出的特征进行独立的归一化；所述第二组归一化层用于对前层输出的特征中每一个通道进行独立的归一化；所述批归一化层用于对前层输出的特征进行归一化。

2.如权利要求1所述的方法，其特征在于，标准化处理公式为：

其中，x^*表示标准化之后的特征，x表示原始数据集的列向量，对应各样本故障类别，表示列向量x的均值，δ表示列向量x的标准差。

3.如权利要求2所述的方法，其特征在于，所述对标准化后故障数据沿时间维度对每个输入变量进行截取，截取后的数据表示如下：

其中，表示以时间窗口长度L截取第j个变量的第t个样本，T表示采集样本点的总数目。

4.如权利要求1所述的方法，其特征在于，归一化的公式如下：

其中，x表示输入数据，y表示输出数据，E(x)表示x的均值，var(x)表示x的方差，∈表示稳定性因子，γ和β表示大小为d的仿射变换参数向量，d表示单个样本中变量的数目。

5.如权利要求1至4任一项所述的方法，其特征在于，该方法还包括：

结合故障的实际类别，得到分类准确率acc，其计算公式为：

其中，N表示分类的样本总数，N_c表示分类正确的样本总数。

6.如权利要求1至4任一项所述的方法，其特征在于，该方法还包括：

使用故障检出率对每一类故障的分类效果进行计算，其计算公式如下：

其中，表示第i类故障的故障检出率，num_i表示第i类故障样本的总数，N_r表示第i类故障样本中所有预测正确的样本总数。

7.一种基于一维多头卷积网络的工业过程故障分类系统，其特征在于，包括：计算机可读存储介质和处理器；

所述计算机可读存储介质用于存储可执行指令；

所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至6任一项所述的基于一维多头卷积网络的工业过程故障分类方法。