← 返回列表

一种基于LSTM-CVAE的乳酸菌发酵过程故障检测与诊断方法

申请号: CN202311163096.9
申请人: 江南大学
申请日期: 2023/9/11

摘要文本

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。

专利详细信息

项目 内容
专利名称 一种基于LSTM-CVAE的乳酸菌发酵过程故障检测与诊断方法
专利类型 发明申请
申请号 CN202311163096.9
申请日 2023/9/11
公告号 CN117350328A
公开日 2024/1/5
IPC主分类号 G06N3/0442
权利人 江南大学
发明人 朱金林; 高星可; 刘忠
地址 江苏省无锡市滨湖区蠡湖大道1800号

专利主权项内容

1.一种基于LSTM-CVAE的发酵监测模型的建立方法,其特征在于,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(I, J, K),共有I个发酵批次,每个发酵批次中有K个采样时刻,每个采样时刻里有J个采样变量;X2)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,w为时间维度相关性长度,w为批次维度相关性大小,J为过程变量个数;tb4)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;所述解码网络包含三层,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loss与残差空间故障检测指标loss,具体计算方法为:KLRESloss=KL(q(z|x)||N(0, 1))KLen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,q为编码网络,z为潜变量,N(0, 1)为标准正态分布,为二范数,N为采样次数,计算控制限;en6)进行模型训练直至损失函数的值稳定。