基于高斯模型的工业过程数据的故障预测

• 作者: 杨为惠 温福喜 陈彦萍 高聪
• 来源期刊: 太原理工大学学报
• 关键词: 故障预测 高斯过程回归 田纳西-伊斯曼过程 工业过程数据建模
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 第五届中国计算机学会大数据学术会议论文选登
• 页码范围: 86-93
• 页数: 8页
• 分类号: TP301
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.01.014

摘要

针对工业过程中采集到的监控变量的时间问题序列数据,提出一种新的基于高斯过程模型的预测建模方法来实现故障预测.针对特定数据集重新构建高斯过程核函数,将工业过程的先验信息加入到数据驱动预测模型中,使模型具有更好的性能.与现有的预测模型相比,高斯过程回归模型可以在给出预测值的同时给出一个置信区间,用作故障预测的不确定性度量.在田纳西伊斯(TE)曼过程模拟数据集上进行性能对比实验,实验结果表明,提出的故障预测方法具有更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨为惠	西安邮电大学计算机学院	2	0	0.0	0.0
2	温福喜	西安邮电大学计算机学院	1	0	0.0	0.0