基于灰狼算法优化卷积神经网络的工业过程故障诊断

作     者：赵芷锐 李元 ZHAO Zhi-rui;LI Yuan

作者机构：沈阳化工大学信息工程学院沈阳110142 

出 版 物：《信息技术》 (Information Technology)

年 卷 期：2024年第48卷第7期

页      面：121-127页

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：国家自然科学基金项目(61673279) 

主　　题：灰狼优化算法 卷积神经网络 田纳西-伊斯曼过程 故障诊断 机器学习 

摘      要：针对工业过程故障诊断中数据规模的逐渐增大以及数据之间映射关系、复杂程度的增加,文中以TE过程为数据背景提出一种基于灰狼算法(Grey Wolf Optimizer,GWO)优化卷积神经网络(GWO Convolutional Neural Networks,GWO-CNN)的模型,结合GWO算法具有搜索能力强、结构清晰、容易实现等特点,寻找CNN卷积核的个数等参数的最优解,并利用所寻得的最优参数搭建GWO-CNN模型并将其应用于工业过程的故障诊断。仿真结果表明,相比传统的卷积神经网络,GWO-CNN算法能够从原始数据中提取更多故障特征,从而提升原有的故障诊断的准确率。