基于多元时序驱动的ELM全流程故障预测及其应用

• 作者: 卢玉帅 徐圆 才轶
• 来源期刊: 化工学报
• 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
• 页码范围: 351-356
• 页数: 6页
• 分类号: TP206+.3
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20141452

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。

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