数据驱动方法在化工过程故障诊断中的研究进展

数据驱动方法是一种黑箱模型,具有自主挖掘和构建数据内在关系的优点。随着感知设备的发展和计算能力的提升,数据驱动方法在化工过程故障诊断的研究领域体现出了更大的优势。本文介绍了各类数据驱动方法的原理和作用,并分析了其各自的优缺点与实际应用方向,总结得出深度学习和集成学习是数据驱动方法未来研究重点。同时,本文回顾了近五年来国内外数据驱动方法在化工过程故障诊断中的研究与应用,综合分析了现阶段该领域的研究情况,表明将多种数据驱动方法进行组合来解决化工过程问题的思路具有一定的有效性。并进一步给出了关于数据异常、时间滞后等问题的研究方向。最后,本文建议更多地从方法的机理出发对方法进行研究和优化,在未来的研究思考中应更着重于实用性和时效性。