多SVDD模型的多模态过程监控方法

杨雅伟; 宋冰; 侍洪波

doi:10.11949/j.issn.0438-1157.20150479

您当前的位置：

首页 >

文章列表页 >

多SVDD模型的多模态过程监控方法

过程系统工程 | 更新时间：2025-12-10

- 多SVDD模型的多模态过程监控方法
- Multimode processes monitoring method via multiple SVDD model
- 化工学报 2015年第11期页码：4526-4533
- 作者机构：
  
  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,上海,200237
- 作者简介：
- 基金信息：
- DOI：10.11949/j.issn.0438-1157.20150479
  中图分类号： P277
- 网络首发：2015-11-05，
  
  纸质出版：2015-11-05
- 稿件说明：
移动端阅览
杨雅伟, 宋冰, 侍洪波. 多SVDD模型的多模态过程监控方法[J]. 化工学报, 2015,(11):4526-4533.

YANG Yawei, SONG Bing, SHI Hongbo. Multimode processes monitoring method via multiple SVDD model[J]. CIESC Journal, 2015, (11): 4526-4533.
杨雅伟, 宋冰, 侍洪波. 多SVDD模型的多模态过程监控方法[J]. 化工学报, 2015,(11):4526-4533. DOI： 10.11949/j.issn.0438-1157.20150479.

YANG Yawei, SONG Bing, SHI Hongbo. Multimode processes monitoring method via multiple SVDD model[J]. CIESC Journal, 2015, (11): 4526-4533. DOI： 10.11949/j.issn.0438-1157.20150479.

摘要

现代工业过程往往具有多个运行模态

并且单一模态中的变量服从高斯与非高斯混合的复杂数据分布。针对多模态与复杂数据分布问题

基于局部离群概率(local outlier probability

LOOP)算法与支持向量数据描述(support vector data description

SVDD)算法

提出了一种名为MSVDD(multiple support vector data description

MSVDD)的多模态过程监控方法。首先

考虑到不同模态之间存在差异

利用差分策略以及局部离群概率算法对多模态数据进行聚类。其次

在每个单一模态下分别建立SVDD模型。然后

通过计算测试样本对每个单一模态的离群概率选择合适的模型进行过程监控。最后

在Tennessee Eastman(TE)平台上进行仿真测试以验证提出方法的可行性与有效性。

Abstract

Modern industrial processes always have multiple operation modes. Besides

the variable in the single mode often obey complex data distribution which is a mix of Gaussian distribution and non-Gaussian distribution. Considering the problems of both multimode and complex data distribution

a new multimode processes monitoring method called multiple SVDD is proposed based on the local outlier probability algorithm and the support vector data description algorithm. First

given that the differences exist between different modes

the clustering is conducted by employing the differential strategy and the local outlier probability algorithm. Second

the SVDD algorithm is used to build the monitoring model in each single mode. And then

the most suitable model is selected for each testing sample through calculating the outlier probability. Finally

the feasibility and efficiency are proved through the Tennessee Eastman process simulation.

关键词

Keywords

references

浏览量

535

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于DHSC的多模态间歇过程测量数据异常检测方法

离子液体在芳烃/烷烃和烯烃/烷烃分离中的研究进展

复合金属CuCr2O4表面CNCl水解反应机理

机器学习在结晶过程建模与控制中的研究进展

基于富氮席夫碱网络聚合物的混合基质膜及其CO2分离性能