基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决现代化工过程采集的数据维度高、分布复杂的问题,提出一种基于两步子空间(two step subspace division,TSSD) 划分的化工过程监测方法.为了降低过程分析复杂度,将具有相似特性的变量划分为同一空间.考虑数据的复杂分布问题,将第一步得到的每个子空间划分为高斯空间与非高斯空间.利用主元分析(principal component analysis,PCA) 和独立元分析(independent component analysis,ICA) 方法建立检测模型并构造统计量.整合每个子空间的统计量并基于局部离群因子(local outlier factor,LOF) 方法构建综合统计量.结果表明: TSSD方法对于16 个故障均能取得最优的漏报率,尤其是故障10 和故障16,漏报率分别为15. 375% 和6. 75%,有效验证所提出的基于两步子空间划分的过程监测方法的优越性.
推荐文章
基于KECA的化工过程故障监测新方法
安全
过程控制
主元分析
故障监测
KECA
CS统计量
基于LPP-GNMF算法的化工过程故障监测方法
算法
故障监测
主元分析
广义非负矩阵分解
局部投影保留
模拟
基于潜变量自回归算法的化工过程动态监测方法
主成分分析
故障检测
缺失数据
过程系统
基于主元子空间富信息重构的过程监测方法
算法
计算机模拟
主元分析
故障检测
子空间重构
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 基于两步子空间划分的化工过程监测方法
来源期刊 山东大学学报(工学版) 学科 工学
关键词 过程监测 两步子空间划分 主元分析 独立元分析 局部离群因子
年,卷(期) 2017,(5) 所属期刊栏目
研究方向 页码范围 110-117
页数 8页 分类号 TP273
字数 语种 中文
DOI 10.6040/j.issn.1672-3961.0.2017.176
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 侍洪波 华东理工大学化工过程先进控制和优化技术教育部重点实验室 80 753 15.0 24.0
2 杨雅伟 华东理工大学化工过程先进控制和优化技术教育部重点实验室 6 31 2.0 5.0
3 宋冰 华东理工大学化工过程先进控制和优化技术教育部重点实验室 8 62 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (6)
参考文献  (23)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(3)
  • 参考文献(1)
  • 二级参考文献(2)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(2)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(5)
  • 参考文献(2)
  • 二级参考文献(3)
2013(12)
  • 参考文献(4)
  • 二级参考文献(8)
2014(8)
  • 参考文献(3)
  • 二级参考文献(5)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
过程监测
两步子空间划分
主元分析
独立元分析
局部离群因子
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
山东大学学报(工学版)
双月刊
1672-3961
37-1391/T
大16开
济南市经十路17923号
24-221
1956
chi
出版文献量(篇)
3095
总下载数(次)
14
总被引数(次)
24236
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导