集成注意力机制用于提升故障检测与原因识别
人工智能
2024-08-02 v1 信号处理
摘要
本研究引入一种新方法，用于对田纳东曼过程 (TEP) 中的故障检测和原因识别，通过将双向长短期记忆 (BiLSTM) 神经网络与集成注意力机制 (IAM) 集成。IAM 将缩放点积注意力、残差注意力和动态注意力的优势结合起来，以捕捉 TEP 故障检测所必需的复杂模式和依赖关系。最初，注意力机制从输入数据中提取重要特征，增强模型的可解释性和相关性。BiLSTM 网络双向处理这些特征以捕捉长程依赖关系，IAM 进一步细化输出，导致改进的故障检测结果。仿真结果表明，该方法的有效性，展示了在准确率、误报率和误分类率方面优于现有方法的卓越性能。该方法为 TEP 中的故障检测和诊断提供了一个稳健且可解释的解决方案，凸显了其在工业应用中的潜力。
引用
@article{arxiv.2408.00033,
title = {Enhanced Fault Detection and Cause Identification Using Integrated Attention Mechanism},
author = {Mohammad Ali Labbaf Khaniki and Alireza Golkarieh and Houman Nouri and Mohammad Manthouri},
journal= {arXiv preprint arXiv:2408.00033},
year = {2024}
}