基于AE重构误差和SVDD的滚筒叶丝干燥异常工况检测

【目的】为保证烘丝过程安全稳定运行,研究滚筒叶丝干燥过程异常工况检测具有重大价值。【方法】本文提出基于自动编码器（Auto encoder,AE）和支持向量数据描述（Support vector data description,SVDD）的AE-SVDD算法。首先,使用深度学习自动编码器提取数据深层特征,构建重构误差,利用重构误差训练SVDD分类模型得到超球体半径阈值,建立检测率指标。通过工业实际生产案例进行模型验证,并应用PCA、SVDD算法分别建立异常检测模型作对比实验。【结果】基于AE-SVDD的算法模型检测率可提高约63%,并能预测4～8min后即将发生的质量异常,明显优于其他算法模型。【结论】与传统方法相比,AE-SVDD异常工况检测方法不仅显著提高了检测率,而且具有良好的异常工况预警作用,有助于及时发现、控制滚筒叶丝干燥过程潜在异常工况,降低质量异常的产生几率。