10.14135/j.cnki.1006-3080.20171213004
用于动态化工过程故障检测的T-TELPP算法
工业过程具有高复杂性、动态性等特点.在特征提取时,引入时滞因子扩展时序矩阵可以解决现场变量带有的自相关与互相关特性问题.特征提取算法处理三阶张量形式的扩展数据时需要将三阶张量在某一方向向量化,这将破坏原始数据内在二维结构信息.对此,本文提出了基于张量空间的时序扩展局部结构保持算法(Tensor-Temporal Extension Locality Preserving Projec-tion,T-TELPP).首先,改进局部保持投影(LPP)算法得到时序扩展的LPP算法(TELPP),使其充分提取欧氏空间近邻与时序近邻信息;然后,将TELPP扩展到张量空间得到T-TELPP算法.T-TELPP直接将动态扩展数据投影到特征空间与残差空间,并分别建立T2和SPE统计量.对田纳西-伊斯曼(Tennessee Eastman,TE)过程进行监测,通过与PCA、DPCA和DLPP算法对比,验证了T-TELPP算法在动态过程监测上的有效性与优越性.
故障检测、动态建模、时序扩展、张量空间、局部保持投影(LPP)算法
44
TP277(自动化技术及设备)
国家重点研发计划项目2016YFB0303401;中央高校基本科研业务费重点科研基地创新基金222201717006,22221817014;上海市自然科学基金16ZR1407300
2018-09-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
496-503