基于格拉姆角场的污水处理故障识别方法

摘要

针对传统的故障诊断方法应用于污水处理过程时具有诊断效率低、精度差等问题，提出了一种基于统一流形逼近与投影、格拉姆角差场和卷积神经网络的故障诊断方法.首先引入UMAP将高维时间序列降维成低维时间序列，然后使用GADF将低维时间序列转换为二维图像，最后采用CNN模型提取特征并完成故障分类任务.对BSM1模拟平台进行了仿真研究，以验证该方法的性能，实验结果表明所提方法在故障分类准确率方面具有明显优势，准确率、精确率和召回率分别达到了99.60%、99.59%和99.58%;与全卷积网络(FCN)和多层感知器(MLP)相比，准确率分别提高了14.01%和4.84%.

关键词

污水处理 / 故障诊断 / 统一流形逼近与投影 / 格拉姆角场 / 卷积神经网络

基金资助

国家重点研发项目计划(2018YFB1700200); 2021年度高等学校基本科研项目(重点项目)(LJKZ0442)