共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于深度学习的化工过程故障检测与诊断研究综述显示文摘化工过程的故障检测与诊断对于现代化工系统的可靠性和安全性具有重要意义。深度学习作为一项新兴的技术,引起了学术界和工业界的广泛关注。从方法的角度出发,将基于深度学习的化工过程故障检测与诊断技术分为:基于自动编码器的方法、基于深度置信网络的方法、基于卷积神经网络的方法和基于循环神经网络的方法,并分别对4种方法的最新研究进展进行了系统的归纳和总结。最后从工业应用角度总结了一些主要的挑战,并从“数据”、“模型”和“可视化”3个方面展望了未来的发展方向。 | 鲍宇 程硕 王靖涛 | 2022 | 化学工业与工程2022，39，2： | 4 |
| 2 | 深度学习在化学流程工业故障诊断的研究进展显示文摘化学流程工业故障诊断(chemical process industry fault diagnosis,CPIFD)是智能制造的一个重要分支。近年来,深度学习在特征识别和分类方面显示出独特的优势和潜力,因此,基于深度学习的CPIFD研究受到了学者们的广泛关注。然而,在已发表的研究文献中,关于基于深度学习的CPIFD的论述是有限的,因此,旨在为CPIFD的研究提供最新的参考,并激励学者进一步探讨深度学习在CPIFD中的应用。介绍了CPIFD技术的发展,阐述了在深度学习中具有代表性模型的基本理论,并综述了它们在CPIFD中的应用,这些模型包括卷积神经网络、深度置信网络、堆叠自动编码器、长短期记忆网络和其他新兴神经网络模型;讨论了深度学习在CPIFD中所面临的问题,并对今后值得研究的方向提出了展望。 | 陈红花 岑健 刘溪 杨卓洪 | 2022 | 计算机工程与应用2022，58，13： | 2 |
| 3 | RSS的TE过程集合型故障诊断方法显示文摘为提高田纳西-伊斯曼(TE)过程的故障诊断精度,提出一种基于RSS(RCAE-SSA-SVM)的深度集合型故障诊断方法。该方法首先将卷积层和自编码器构成一种深度神经网络—卷积自编码器(CAE);然后在网络中加入残差学习块形成残差卷积自编码器(RCAE),实现对故障数据的特征提取;最后利用麻雀搜索算法(SSA)优化的支持向量机(SVM)进行故障分类。对TE化工过程进行故障诊断实验,结果表明该方法具有良好的故障诊断分类效果,体现出较高的故障诊断精度。 | 付丽君 鞠君如 杨青 | 2021 | 沈阳理工大学学报2021，40，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员