10.11949/j.issn.0438-1157.20170117
基于多证据融合决策的间歇过程测量数据异常检测方法
间歇过程测量数据的高维、非线性、非高斯分布特征直接影响过程测量数据异常检测的准确性,为了融合多源数据异常检测信息,提升间歇过程测量数据异常检测精度,提出了一种基于多证据融合决策的间歇过程测量数据异常检测方法,该方法通过引入证据理论(Dempster-Shafer,D-S),采用主焦元判别伪证据和重新计算证据权重改进冲突证据处理方法,减小了冲突证据对多证据融合决策结果的影响,提高了间歇过程测量数据异常检测的准确率.构建了基于多证据融合的测量数据异常检测模型并将其应用到间歇过程测量数据异常检测决策判决中.实验结果表明,该方法能够融合多证据信息,有效地处理冲突证据,实现了间歇过程测量数据异常检测,降低了误检和漏检率.
间歇过程、D-S证据理论、冲突证据、多证据决策、测量数据异常检测
68
TQ277(基本有机化学工业)
国家自然科学基金项目61240047;北京市自然科学基金项目4152041.supported by the National Natural Science Foundation of China61240047;the Natural Science Foundation of Beijing4152041
2017-08-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
3183-3189