控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2012年
6期
1097-1100,1106
,共5页
非线性%相关性分析%差分进化%动态自译码神经网络%故障检测
非線性%相關性分析%差分進化%動態自譯碼神經網絡%故障檢測
비선성%상관성분석%차분진화%동태자역마신경망락%고장검측
nonlinear%correlation analysis%differential evolution%dynamic autoencoder%fault detection
针对化工过程数据的特点,提出一种基于动态自译码神经网络(DAutoencoder,Dynamic Autoencoder)的非线性动态过程故障检测方法.该方法首先采用相关性分析建立变量自回归模型,消除了数据的动态特性,随后运用改进的差分进化算法训练网络的权值,提取训练样本的非线性特征并计算重构残差,最后构造监控统计量进行监控.TE过程的仿真结果表明,所提出的基于DAutoencoder的故障检测方法可以比动态核主元分析更为有效的监控过程变化,检测到故障的发生.
針對化工過程數據的特點,提齣一種基于動態自譯碼神經網絡(DAutoencoder,Dynamic Autoencoder)的非線性動態過程故障檢測方法.該方法首先採用相關性分析建立變量自迴歸模型,消除瞭數據的動態特性,隨後運用改進的差分進化算法訓練網絡的權值,提取訓練樣本的非線性特徵併計算重構殘差,最後構造鑑控統計量進行鑑控.TE過程的倣真結果錶明,所提齣的基于DAutoencoder的故障檢測方法可以比動態覈主元分析更為有效的鑑控過程變化,檢測到故障的髮生.
침대화공과정수거적특점,제출일충기우동태자역마신경망락(DAutoencoder,Dynamic Autoencoder)적비선성동태과정고장검측방법.해방법수선채용상관성분석건립변량자회귀모형,소제료수거적동태특성,수후운용개진적차분진화산법훈련망락적권치,제취훈련양본적비선성특정병계산중구잔차,최후구조감공통계량진행감공.TE과정적방진결과표명,소제출적기우DAutoencoder적고장검측방법가이비동태핵주원분석경위유효적감공과정변화,검측도고장적발생.