检索结果-南通市图书馆

基于EMICA-KRR的长输管道压力监测与泄漏定位方法

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2019年第7期39卷 1885-1895页

作者：张新生王哲西安建筑科技大学管理学院

为解决长输管道压力监测过程中泄漏突发,难以实时预警并精确定位的问题,提出一种基于集成改进独立分量分析(EMICA)和核岭回归(KRR)的管道泄漏故障检测与定位方法.首先,建立基于EMICA算法的故障检测模型,提取并分离压力数据中的高斯信号... 详细信息

为解决长输管道压力监测过程中泄漏突发,难以实时预警并精确定位的问题,提出一种基于集成改进独立分量分析(EMICA)和核岭回归(KRR)的管道泄漏故障检测与定位方法.首先,建立基于EMICA算法的故障检测模型,提取并分离压力数据中的高斯信号和非高斯信号并构造相关统计量,实现故障信号分离与主分量选择;然后,根据EMICA模型获得的故障信号,进一步构造基于KRR算法的故障诊断模型,拟合数据得出故障信号压力变化幅值,实现泄漏信号的选择与泄漏故障的定位;最后进行TE(田纳西-伊斯曼)过程的数值仿真实验以验证算法的性能.仿真结果表明:EMICA-KRR算法拥有更良好的信号分离能力,可以准确识别泄漏故障信号并精确定位管段失效位置,克服了传统方法的低效、延时等缺点.

关键词：故障诊断压力监测独立分量分析核岭回归泄漏定位田纳西-伊斯曼过程

基于核函数优化的相符预测器在故障检测中的应用

在线全文

学校读者我要写书评

暂无评论

天津大学学报 2009年第7期42卷 614-621页

作者：杨帆罗键王华珍彭彦卿米红厦门大学自动化系厦门361005 厦门理工学院电子与电气工程系厦门361005

为了提高相符预测器的计算效率,在算法中引入基于核的度量学习.将其学习过程分解成2部分:先通过提高75%的训练样本的类可分性获得1个优化核;然后在优化的核空间中采用k近邻方法设计奇异度函数,并使用剩下的25%的样本实现标准的相符预测... 详细信息

为了提高相符预测器的计算效率,在算法中引入基于核的度量学习.将其学习过程分解成2部分:先通过提高75%的训练样本的类可分性获得1个优化核;然后在优化的核空间中采用k近邻方法设计奇异度函数,并使用剩下的25%的样本实现标准的相符预测器算法.将新算法应用于田纳西-伊斯曼过程的多类故障诊断问题,实验结果表明,在保证高的预测效率的同时,新算法可以显著降低计算时间.

关键词：故障检测相符预测器度量学习田纳西-伊斯曼过程

样本重构多尺度孪生卷积网络的化工过程故障检测

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2019年第11期40卷 181-188页

作者：王翔柯飂挺任佳浙江理工大学自动化系杭州310018

基于数据驱动的故障检测已成为工业过程故障检测的重要手段,但其在实际应用时受限于过程历史数据的规模,往往难以取得令人满意的检测精度。针对这一问题,提出了一种样本空间重构策略,该策略基于随机采样构造同类、异类样本对,在扩充数... 详细信息

基于数据驱动的故障检测已成为工业过程故障检测的重要手段,但其在实际应用时受限于过程历史数据的规模,往往难以取得令人满意的检测精度。针对这一问题,提出了一种样本空间重构策略,该策略基于随机采样构造同类、异类样本对,在扩充数据规模的同时,将复杂的分类建模问题转化为样本间的相似度对比问题,降低了任务的复杂度。在此基础上,引入并改进孪生卷积神经网络(Siamese CNN)结构,提出了一种基于多尺度孪生卷积神经网络(Multi-scale Siamese CNN)的化工过程故障检测方法。田纳西-伊斯曼(TE)过程数据测试结果表明,所提算法的平均故障检测准确率达到89.66%,相对于常规数据驱动的故障检测算法提高8%以上。

关键词：过程系统故障检测样本重构多尺度孪生卷积神经网络田纳西-伊斯曼过程

在线全文

学校读者我要写书评

暂无评论

基于子空间混合相似度的过程监测与故障诊断

仪器仪表学报 2013年第4期34卷 935-941页

作者：杨英华魏玉龙李召秦树凯东北大学信息科学与工程学院沈阳110004 许继电源有限公司许昌461000

针对现代工业过程多变量、过程数据通常同时包含高斯性和非高斯性分布的特点,提出了一种基于混合子空间的系统性能监控与故障诊断方法。首先使用小波去噪、PCA和ICA方法来进行过程检测,然后将基于PCA特征子空间距离相似度和基于ICA子空... 详细信息

针对现代工业过程多变量、过程数据通常同时包含高斯性和非高斯性分布的特点,提出了一种基于混合子空间的系统性能监控与故障诊断方法。首先使用小波去噪、PCA和ICA方法来进行过程检测,然后将基于PCA特征子空间距离相似度和基于ICA子空间余弦相似度的方法结合,建立故障诊断库,计算混合相似度,确定各类故障的诊断阈值。最后对在线的数据进行监控,判断过程是否正常。当有故障发生时,利用混合子空间相似度确定故障类型。该方法可以充分利用过程数据中的高斯和非高斯信息。通过对Tennessee Eastman(TE)过程的仿真研究,验证了该方法的可行性与有效性,与变量贡献图方法相比可以更加有效地监测出故障原因。

关键词：混合相似度田纳西-伊斯曼过程过程监测故障诊断

基于LTSA和联合指标的非高斯过程监控方法及应用

在线全文

学校读者我要写书评

暂无评论

化工学报 2015年第4期66卷 1370-1379页

作者：杨正永王昕王振雷化工过程先进控制和优化技术教育部重点实验室(华东理工大学) 上海200237 上海交通大学电工与电子技术中心上海200240

很多实际工业过程数据都具有高维、非线性且不严格服从高斯分布等特点。为处理数据维数高且是高斯分布和非高斯分布的混合体等问题,实现高效的过程监控,提出了一种基于LTSA和联合指标的非高斯过程监控方法。首先采用局部切空间排列(LTSA... 详细信息

很多实际工业过程数据都具有高维、非线性且不严格服从高斯分布等特点。为处理数据维数高且是高斯分布和非高斯分布的混合体等问题,实现高效的过程监控,提出了一种基于LTSA和联合指标的非高斯过程监控方法。首先采用局部切空间排列(LTSA)算法从正常样本数据中提取低维子流形以实现维数约减;然后基于非高斯-高斯两步策略建立统计模型并得到非高斯统计量和高斯统计量,再对其进行加权得到新的统计量以实现对过程的监控;最后将该方法应用于田纳西-伊斯曼标准测试平台和实际乙烯裂解炉的过程监控,说明了所提方法的有效性。

关键词：算法集成系统工程非线性非高斯联合指标局部切空间排列算法田纳西-伊斯曼过程

基于递归稀疏主成分分析的工业过程在线故障监测和诊断

在线全文

学校读者我要写书评

暂无评论

控制与决策 2020年第8期35卷 2006-2012页

作者：刘金平王杰刘先锋唐朝晖马天雨肖文辉湖南师范大学智能计算与语言信息处理湖南省重点实验室长沙410081 湖南师范大学物理与电子学院长沙410081 中南大学自动化学院长沙410083

提出一种基于递归稀疏主成分分析(recursive sparse principal component analysis,RSPCA)的工业过程故障监测与诊断方法,可用于时变工业过程的自适应故障监测与诊断.通过引入弹性回归网,将主成分问题转化为Lasso与Ridge结合的凸优化问... 详细信息

提出一种基于递归稀疏主成分分析(recursive sparse principal component analysis,RSPCA)的工业过程故障监测与诊断方法,可用于时变工业过程的自适应故障监测与诊断.通过引入弹性回归网,将主成分问题转化为Lasso与Ridge结合的凸优化问题,采用秩-1矩阵修正对协方差矩阵进行递归分解,递归更新稀疏载荷矩阵和监测统计量的过程控制限,以实现连续工业过程长时间自适应故障监测,对检测出来的故障通过贡献图法实现对故障的诊断.在田纳西-伊斯曼(TE)过程进行实验验证,结果表明,与传统的故障监测方法相比,所提出的方法有效降低了故障漏检率和误报率,且时间复杂度低,确保了故障监测的灵敏度和实时性.

关键词：递归稀疏主成分分析工业过程故障监测弹性回归网田纳西-伊斯曼过程

基于最大信息系数和深度残差图卷积的工业过程故障诊断方法

在线全文

学校读者我要写书评

暂无评论

高校化学工程学报 2023年第1期37卷 111-119页

作者：任佳孙思宇鲍克浙江理工大学信息科学与工程学院浙江杭州310018 浙江省电子信息产品检验研究院浙江杭州310007 中国计量大学浙江省智能制造质量大数据溯源与应用重点实验室浙江杭州310018

针对工业数据非线性、时变性、时空特征耦合的特点,提出一种基于最大信息系数和残差图卷积网络的工业过程故障诊断算法(MIC-RGCN)。引入最大信息系数(MIC)挖掘变量之间的相关关系,将高维变量之间的相关信息转换为空间距离信息,构建相关... 详细信息

针对工业数据非线性、时变性、时空特征耦合的特点,提出一种基于最大信息系数和残差图卷积网络的工业过程故障诊断算法(MIC-RGCN)。引入最大信息系数(MIC)挖掘变量之间的相关关系,将高维变量之间的相关信息转换为空间距离信息,构建相关性矩阵作为图卷积层的邻接矩阵输入;构建改进的深度残差图卷积网络(GCN)模型对数据的时空特征进行深度融合提取并精准分类。在田纳西-伊斯曼过程和三相流过程数据集上将该算法与4种典型机器学习和深度学习算法进行对比测试。实验结果表明,该算法有效地提升了故障诊断的准确率。

关键词：故障诊断最大信息系数图卷积网络田纳西-伊斯曼过程三相流过程

基于ICA-PCA和Lasso的过程故障诊断

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2016年第10期44卷 98-102页

作者：衷路生吴秀江谭畅龚锦红华东交通大学电气与自动化工程学院江西南昌330013

为了解决复杂工业过程中变量多,难以判断引起故障的主要异常变量的问题,提出一种基于ICA-PCA(独立成分分析和主成分分析)算法和Lasso(最小绝对收缩和选择算子)回归算法的过程故障检测与诊断的集成模型.首先,建立ICA-PCA模型提取数据的... 详细信息

为了解决复杂工业过程中变量多,难以判断引起故障的主要异常变量的问题,提出一种基于ICA-PCA(独立成分分析和主成分分析)算法和Lasso(最小绝对收缩和选择算子)回归算法的过程故障检测与诊断的集成模型.首先,建立ICA-PCA模型提取数据的高斯信号和非高斯信号,构造相关统计量实现在线故障检测;然后,基于ICA-PCA模型获得的过程状态及故障信息,进一步构造基于Lasso回归算法的故障诊断模型,实现故障发生时的主要异常变量的定位和选择;最后,利用Matlab进行了TE(田纳西-伊斯曼)过程的数值仿真实验,并与已有故障诊断方法分布式PCA贡献图法进行比较,结果表明所提出的方法是有效的.

关键词：故障诊断工业过程独立成分分析主成分分析最小绝对收缩和选择算子田纳西-伊斯曼过程

在线全文

学校读者我要写书评

暂无评论

基于极深因子分解机的化工过程故障诊断方法

过程工程学报 2022年第1期22卷 135-144页

作者：何亚东袁壮林扬高新江李传坤王春利中国石化安全工程研究院化学品安全控制国家重点实验室山东青岛266071

近年来,随着化学工艺、设备的复杂化和大型化程度不断深入,如何为化工企业及时、准确地诊断故障、排除事故,成为一个极具挑战性的问题。目前,以深度学习为代表的化工过程故障检测与诊断技术成为业界解决问题的主要思路之一,但现有深度... 详细信息

近年来,随着化学工艺、设备的复杂化和大型化程度不断深入,如何为化工企业及时、准确地诊断故障、排除事故,成为一个极具挑战性的问题。目前,以深度学习为代表的化工过程故障检测与诊断技术成为业界解决问题的主要思路之一,但现有深度方法在构建诊断模型时只关注了变量的非线性高阶特征,不能充分、全面地挖掘多源交互信息,难以有效地融合各类异构数据。基于此,提出一种基于极深因子分解机的化工过程故障诊断方法,通过并行融合三类不同网络模型(分解机模型、深度神经网络模型、压缩交互网络模型),实现对高阶、低阶及线性特征的自动提取和高效整合。为了评估模型性能,从单故障诊断和多故障混合诊断的角度出发,在田纳西-伊斯曼过程(TE)仿真数据集上进行了广泛的对比实验,结果表明,所提方法较以往故障诊断方法在精确率和召回率等指标上具有明显优势。

关键词：故障检测与诊断深度学习极深因子分解机特征交互田纳西-伊斯曼过程