文献

J-GLOBAL ID：201702220308025780   整理番号：17A0356212

下水処理に向けた動的混合型混合因子故障診断【JST・京大機械翻訳】

Dynamic fault diagnosis via variational Bayesian mixture factor analysis with application to wastewater treatment

著者 (3件)： Xiao Hongjun (College of Automation, Foshan University) ,  Liu Yiqi (College of Automation Science and Technology, South China University of Technology) ,  Huang Daoping (College of Automation Science and Technology, South China University of Technology)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
巻： 33  号： 11  ページ： 1519-1526  発行年： 2016年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 廃水生化学処理の過程において、多変量カップリング、強い非線形性、パラメータの時変、遅延などの特徴が存在し、これらの特徴に直面し、センサーの故障が頻発し、生物化学プロセスに有効な最適化と診断が得られない。そのため、本論文では、動的データの特性を結合した上で、BAYES混合因子に基づく動的故障診断方法を提案し、同時に、混合因子のオンライン調整を利用して診断モデルの半自己適応化を実現した。この方法は,廃水処理プロセスの強い非線形性と動特性を捕捉することができ,故障診断の誤警報率と誤警報率を効果的に減少させることができる。国際水協会のBSM1モデルにおけるシミュレーション研究により、提案した策略は故障診断能力を著しく向上させ、センサーの突然変異とドリフト故障を正確に検出でき、さらに故障の発生原因を確定することができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 突然変異 ,  最適化 ,  *下水処理 ,  廃水処理 ,  ドリフト ,  *故障診断 ,  非線形性 ,  *故障 ,  廃水 ,  シミュレーション ,  センサ
準シソーラス用語： 誤警報率 ,  自己適応 ,  診断モデル ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： fault diagnosis ,  wastewater treatment ,  variational Bayesian learning ,  mixture factor analysis ,  semi-adaptive

分類 (2件)： レーダ  (ND13010H) ,  システム同定  (IA02040O)

タイトルに関連する用語 (3件)： 下水処理 ,  因子 ,  故障診断