文献

J-GLOBAL ID：201702245357550497   整理番号：17A0199340

ICA-PCAとLASSOに基づくプロセス故障診断【JST・京大機械翻訳】

Process fault detection and diagnosis based on ICA-PCA and Lasso

著者 (4件)： Zhong Lusheng (School of Electrical and Automation Engineering, East China Jiaotong University) ,  Wu Xiujiang (School of Electrical and Automation Engineering, East China Jiaotong University) ,  Tan Chang (School of Electrical and Automation Engineering, East China Jiaotong University) ,  Gong Jinhong (School of Electrical and Automation Engineering, East China Jiaotong University)
資料名： Huazhong Keji Daxue Xuebao Zirankexueban  (Huazhong Keji Daxue Xuebao Zirankexueban)
巻： 44  号： 10  ページ： 98-102  発行年： 2016年 
JST資料番号： C2695A  ISSN： 1671-4512  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： 複雑な工業プロセスにおける変数の多くの問題を解決するために,故障を引き起こす主要な異常変数の問題を解決することは難しい。ICA-PCA(独立成分分析と主成分分析)アルゴリズムとと(最小絶対収縮と選択演算子)回帰アルゴリズムに基づくプロセス故障検出と診断の統合モデルを提案した。まず第一に,ICA-PCAモデルを構築して,ガウス信号と非GAUSS信号を抽出して,相関統計量を構築して,オンライン故障検出を実現した。次に,ICA-PCAモデルによって獲得したプロセス状態と故障情報に基づき,LASSO回帰アルゴリズムに基づく故障診断モデルを構築し,故障発生時の主要な異常変数の位置決めと選択を実現した。最後に,MATLABを用いてTE(テネシー-EASTMAN)プロセスの数値シミュレーション実験を行い,既存の故障診断方法と比較して,提案した方法の有効性を示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 統計量 ,  故障検出 ,  独立成分分析 ,  テネシー州 ,  *故障 ,  主成分分析 ,  *故障診断 ,  アルゴリズム
準シソーラス用語： 数値シミュレーション ,  MATLAB ,  障害発生 ,  オンライン ,  統合モデル ,  工業プロセス , 【Automatic Indexing@JST】

著者キーワード (6件)： fault diagnosis ,  industrial process ,  independent component analysis ,  principal component analysis ,  least absolute shrinkage and selection operator ,  Tennessee-Eastman process

分類 (9件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J) ,  反応工学,反応速度論  (XE01020M) ,  分析化学一般  (CC02010H) ,  分子・遺伝情報処理  (JE15040B) ,  システム・制御理論一般  (IA02010H) ,  医用画像処理  (JE04020T) ,  統計学  (AB08000H)

タイトルに関連する用語 (2件)： プロセス ,  故障診断