付丽君，张齐鹏，姜宇宏，杨 青

(沈阳理工大学 自动化与电气工程学院，沈阳 110159)

近年来，随着现代化工业过程的大规模生产与发展，使得化工过程的操作复杂性不断增加，操作设备出现老化和腐蚀的情况日益增多，由此可能出现化学物质泄露、火灾、爆炸等难以预测的安全隐患的发生，同时也会导致环境污染等严重的人身安全问题和财产损失事故[1]。因此，对化工过程进行故障诊断可以预防灾难性事故的发生和减少人员的伤亡以及达到保证产品质量的目的。

伊斯曼化学公司创建的田纳西-伊斯曼(TE)化工过程，其主要作用是对化工过程的故障诊断及监测研究领域提供实际的工业过程控制数据集。现阶段，使用TE数据集进行故障检测和诊断的研究已经取得了一定的进展和成果；并且由于研究者对深度学习和神经网络研究的不断深入，使得更多的研究者以深度学习和神经网络为基础，对TE过程进行故障诊断分析。

刘丽云等[2]使用K-means聚类方法对TE过程进行故障诊断，并通过主成分分析(Principal Component Analysis，PCA)方法对故障发生的原因进行分析和识别。Wu D S等[3]提出了基于提升小波和支持向量机(Lifting Wavelets and Support Vector Machine，LWSVM)相结合的故障诊断方法；首先使用提升小波对数据集进行预处理操作，然后使用支持向量机(Support Vector Machine，SVM)进行故障诊断。杨青等[4]提出一种基于变分模态分解、独立主成分分析和核主成分分析相结合的多模态故障检测方法，以此达到对TE过程进行故障诊断的目的。Gu X H等[5]提出一种基于混合卷积神经网络的结构模型，对TE过程进行故障诊断；……