关键词：故障诊断;化工过程;Attention机制;LSTM;深度学习
摘 要：随着工业生产水平的不断提高，对生产过程的稳定性要求也逐步提高，为避免因故障带来的损失，进行故障诊断研究具有十分重要的意义。针对化工过程数据具有多变量时序性的特点，提出了一种基于Attention-LSTM的深度学习方法对化工过程进行故障诊断。首先，该方法通过Attention机制捕捉不同变量间的关联程度，实现多变量解耦；然后再将Attention机制的输出作为LSTM网络的输入，通过LSTM网络有效提取数据的时域特性，以实现动态数据去相关化；最后，通过线性层进行故障诊断。该方法在田纳西-伊斯曼化工过程上进行了验证，证明了该方法对化工过程故障诊断的有效性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取