关键词：深度聚类;故障诊断;自编码器;化工过程
摘 要：该文提出一种深度聚类（deep clustering,DC）故障诊断算法，将特征提取与聚类两部分产生的误差融入模型训练损失函数中，统筹误差调整系统参数，提升模型精度。首先采用深度卷积自编码器提取过程数据深层次特征，对数据进行卷积操作能够保持原始数据结构完整性，同时将聚类误差引入到网络损失函数中，完成参数优化和聚类任务。以田纳西-伊斯曼（TE）过程为实验对象对所提方法进行性能评价实验，并与基于AE-kmeans聚类算法进行对比，验证了所提算法的有效性。
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