报告题目：基于堆栈正则自编码器的近红外故障检测
报告人：栾小丽教授
报告时间：2020年8月6日上午10:00
报告地点：工科E1329
报告人简介：
栾小丽，女，江南大学教授，博士生导师，副院长，2010年中国—澳大利亚（维多利亚大学-江南大学）联合培养博士；2016年4月至9月阿尔伯特大学化学工程学院访问教授；国家自然科学基金优秀青年基金获得者、江苏省“六大人才高峰”、 江苏省“双创计划”、江南大学“至善青年学者”最高荣誉入选者。研究方向为复杂动态系统建模、先进控制与优化，工业大数据分析与应用。作为项目负责人先后承担国家自然科学基金重大项目课题、优秀青年基金、面上项目、青年项目各1项；科技部重点研发计划课题1项。在Automatica、IEEE TAC、IEEE TIE等期刊发表学术论文80多篇，授权国内发明专利18项，美国发明专利3项。主持企业技术开发项目1000多万，获中国轻工业联合会科技进步二等奖1项、中国商业联合会科技进步一等奖1项、中国石油和化工自动化应用协会科技进步一等奖1项。
报告摘要：
近红外光谱是从微观分子振动的角度获取过程信息，相比于传统的基于宏观过程变量的故障检测手段，由于微观层面的变化早于宏观层面，使得基于近红外光谱数据的故障检测方法对早期故障的判断更为灵敏，对故障的检测时间也更为提前。常用监控方法是利用PCA统计量指标进行故障检测，由于近红外光谱波段多、冗余性强，导致检测结果对故障过于灵敏、误报率高，因此提出利用堆栈式自编码器对光谱特征进行逐层深度提取，以提高检测结果的鲁棒性。同时为了避免堆栈式自编码器的过拟合，引入L2正则项来调整自编码器的权值和截距，以提升检测结果的泛化能力。最后利用Softmax回归，建立所提取的特征与系统运行状态之间的模型关系，实现对过程运行状态的监控。
