10.16866/j.com.app.chem201701006
一种基于LSSVM的间歇过程在线故障诊断方法
针对间歇过程的在线故障诊断需要预测过程变量的未知输出问题,提出了一种数据展开和故障分类器数据选择相结合的方法.首先,对包含批次信息的三维数据进行数据展开,对间歇过程的多阶段分别建立PCA模型并进行过程的故障监测;然后,选取故障发生时刻之后的部分长度采样时刻的数据进行故障的特征提取,离线建立LSSVM的故障分类器模型;最后,通过故障分类器进行在线故障诊断,实现故障分类并确定发生了某类故障.该方法提高了间歇过程在线故障诊断的实时性和准确性,通过青霉素发酵仿真过程的应用,进一步验证所提方法的可行性和有效性.
间歇过程、数据展开、数据选择、故障诊断、故障分类器
34
TP301;TP206(计算技术、计算机技术)
国家自然科学基金资助项目21206053,21276111;江苏省“六大人才高峰”计划资助项目2013-DZXX-043;中央高校基本科研业务费专项资金资助JUSRP1509XNC
2017-04-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
30-34