检索结果-南通市图书馆

检索条件"主题词=动态过程监控"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于数据驱动的无监督动态过程监控算法研究

基于数据驱动的无监督动态过程监控算法研究

引用

作者：刘朝路山东师范大学

学位级别：硕士

为了提高复杂工业过程的效率和安全性,高质量动态过程监控模型在当前过程工业中被广泛应用。近年来,由于现代自动控制系统的信息基础建设飞速发展,工程师分析过程数据的机会越来越多,从而带动了基于数据驱动的过程监控的快速发展。然而... 详细信息

为了提高复杂工业过程的效率和安全性,高质量动态过程监控模型在当前过程工业中被广泛应用。近年来,由于现代自动控制系统的信息基础建设飞速发展,工程师分析过程数据的机会越来越多,从而带动了基于数据驱动的过程监控的快速发展。然而由于过程工业的复杂性,导致过程数据中普遍存在非线性、非高斯和动态性等问题,特别是动态性问题的研究在目前仍存在较大的挑战。本文针对动态过程监控这一应用领域的挑战,面向过程数据中的静态特征和动态特征,探索出了三组提高过程监控技术性能的解决方案。首先,本文提出了一种多滞后潜变量模型（MVLM）,该模型能够同时监控工业过程中的静态特征和动态特征,并解决了多滞后慢特征分析（MSFA）在监控应用中的不足。MLVM还可以嵌入其他处理静态特征和动态特征的先进监测技术,来提高MLVM的检测效率。此外,本文为MLVM设计了在线监测模式下的平均过程,以减少噪声对监测算法的影响;MLVM还支持基于重建的贡献指数用于发现故障后的诊断工作。此外,本文还提出了一种基于过完备独立成分分析的静态过程监控算法,它解决了欠完备独立成分分析提取过程数据中非高斯特征不充分的问题,并创新性地采用差分进化算法来划分独立潜变量中最优的主要独立成分,它完善了传统划分技术范数的缺点,并提高了监测技术的准确率。尽管目前的监督学习过程监控技术有很高的检测率,但是工业过程故障数据的获取和标记仍存在较大的困难,因此有必要探索一种优秀的无监督过程监控算法。鉴于深度学习技术在处理序列数据上展现的优秀表现,本文提出了一种变分独立循环自编码器网络（VIRAE）来实现对动态过程数据的在线过程监控。该网络依靠独立循环自编码器来学习过程数据的时间相关性并捕获其概率分布,使用变分编码器向隐藏层添加噪声来降低VIRAE的误诊率和增强监测算法的鲁棒性;在在线监测阶段,采用重建误差的指数加权移动平均值的控制图来定位故障目标。以上技术已在仿真案例—田纳西伊斯曼过程及真实工业工厂过程—卢布林制糖厂过程中进行了测试,充分证明了本文提出的三组算法的价值和优越性。

关键词：数据驱动动态过程监控独立成分分析慢特征分析深度学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：