用于过程故障诊断的自适应kernel学习网络分类器

• 作者: 王海清 蒋宁
• 来源期刊: 化工学报
• 关键词: 过程诊断 模式分类器 统计学习理论
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2276-2280
• 页数: 5页
• 分类号: TQ02|TP277
• 语种: 中文
• DOI: 10.3321/j.issn:0438-1157.2007.09.021

摘要

提出一种统一的最小二乘kernel学习框架,将自适应kernel学习(AKL)网络辨识器推广为分类器,用于化工过程的故障诊断.推导了AKL分类器在向后缩减和向前增长两种情况下的递推算法,实现了对记忆样本长度的控制.该分类器无需利用历史故障数据,即可进行在线学习并建立过程诊断模型.通过对Tennessee Eastman(TE)过程的5种典型故障的诊断分析,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海清	浙江大学工业控制技术国家重点实验室工业控制研究所	39	500	11.0	21.0
2	蒋宁	浙江工业大学化工机械设计研究所	22	111	7.0	9.0