用于过程故障诊断的自适应kernel学习网络分类器

王海清; 蒋宁

您当前的位置：

首页 >

文章列表页 >

用于过程故障诊断的自适应kernel学习网络分类器

过程系统工程 | 更新时间：2025-12-10

- 用于过程故障诊断的自适应kernel学习网络分类器
- Adaptive kernel learning classifier with application to process fault diagnosis
- 化工学报 2007年第9期页码：2276-2280
- 作者机构：
  
  1. 浙江大学工业控制技术国家重点实验室，工业控制研究所
  2. 浙江工业大学化工机械设计研究所
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 网络首发：2007-09-05，
  
  纸质出版：2007-09-05
- 稿件说明：
移动端阅览
王海清, 蒋宁. 用于过程故障诊断的自适应kernel学习网络分类器[J]. 化工学报, 2007,(9):2276-2280.

WANG Haiqing, JIANG Ning. Adaptive kernel learning classifier with application to process fault diagnosis[J]. CIESC Journal, 2007, (9): 2276-2280.
王海清, 蒋宁. 用于过程故障诊断的自适应kernel学习网络分类器[J]. 化工学报, 2007,(9):2276-2280. DOI：

WANG Haiqing, JIANG Ning. Adaptive kernel learning classifier with application to process fault diagnosis[J]. CIESC Journal, 2007, (9): 2276-2280. DOI：

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。

Abstract

An adaptive kernel learning (AKL) network classifier

as a natural extension of AKL identifier

was proposed based on the unified least-square kernel learning (ULK) framework.The backward decreasing and forward increasing algorithms of AKL classifier were derived

both in recursive forms.The memory length of the classifier was thus under control so as to quickly adapt to the change of process dynamics.The AKL classifier did not require the support from the historical fault database and can learn from the beginning of the process operation.Numerical simulations for diagnosis of Tennessee Eastman (TE) process showed that the proposed ULK framework and the resulting AKL classifier were valid

and satisfying diagnosis performance was observed.

关键词

Keywords

references

浏览量

138

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

核Hebbian算法在加氢脱芳烃过程中的建模应用

GeCl4-MxCly-H2体系下锗-杂质竞争沉积热力学研究

液氢贮箱在轨排气的闪蒸特性与热力态调节规律研究

塔式太阳能辅助超临界压缩CO2储能系统热力学性能

磷酸钒锂正极材料的氮掺杂碳包覆与Ti4+共掺杂协同改性研究