原文服务方: 化工学报       
摘要:
多元时序驱动建模方法是复杂系统故障预测和系统状态评估的一种有效途径,其中人工神经网络作为一种数据驱动的处理非线性问题的有效建模工具,近年来在处理多元时序建模这个问题上得到了较广泛的关注。从全流程的角度出发,首先,运用k-近邻互信息方法对多元时序变量进行降维与相关性计算,从而选择特征变量;其次,提出了一种改进的趋势分析方法对系统的状态进行实时监测,并对系统运行状态进行有效细分;最后,针对系统潜在故障阶段,应用极限学习机(extreme learning machine, ELM)神经网络方法对其进行故障预测。通过对青霉素发酵过程(penicillin fermentation process)进行仿真实验,结果验证了所提方法的有效性。
推荐文章
基于多元时滞序列驱动的复杂过程故障预测方法应用研究
故障预测
时滞
独立成分分析
ELM
TE过程
基于多元时序分析的水华预测及因素分析方法
预测
模型
参数估值
水华
时间序列
因素分析
基于重构的半监督ELM及其在故障诊断中的应用
半监督极限学习机
重构
ELM-AE
故障诊断
基于数据驱动的装备故障预测技术研究
故障预测
数据驱动
PHM技术
多源信息融合
系统级预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多元时序驱动的ELM全流程故障预测及其应用
来源期刊 化工学报 学科
关键词 极限学习机 互信息 故障预测 多元时序 趋势分析
年,卷(期) 2015,(1) 所属期刊栏目 过程系统工程
研究方向 页码范围 351-356
页数 6页 分类号 TP206+.3
字数 语种 中文
DOI 10.11949/j.issn.0438-1157.20141452
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐圆 北京化工大学信息与科学技术学院 42 269 9.0 14.0
2 才轶 北京化工大学信息与科学技术学院 3 6 2.0 2.0
3 卢玉帅 北京化工大学信息与科学技术学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (146)
共引文献  (133)
参考文献  (18)
节点文献
引证文献  (2)
同被引文献  (1)
二级引证文献  (0)
1948(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(7)
  • 参考文献(1)
  • 二级参考文献(6)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(9)
  • 参考文献(0)
  • 二级参考文献(9)
2005(13)
  • 参考文献(2)
  • 二级参考文献(11)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(13)
  • 参考文献(1)
  • 二级参考文献(12)
2008(14)
  • 参考文献(0)
  • 二级参考文献(14)
2009(17)
  • 参考文献(2)
  • 二级参考文献(15)
2010(18)
  • 参考文献(2)
  • 二级参考文献(16)
2011(13)
  • 参考文献(1)
  • 二级参考文献(12)
2012(20)
  • 参考文献(5)
  • 二级参考文献(15)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
极限学习机
互信息
故障预测
多元时序
趋势分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
化工学报
月刊
0438-1157
11-1946/TQ
大16开
1923-01-01
chi
出版文献量(篇)
12283
总下载数(次)
0
论文1v1指导