文献

J-GLOBAL ID：201202247078546606   整理番号：11A1279958

多銘柄生産プロセスにおけるANNおよびPCAによる故障検出および診断

Fault detection and diagnosis based on ANN and PCA in multi-grade production process

著者 (3件)： Li Wenke (Dep. of Chemical Engineering, Tsinghua Univ., Beijing) ,  Zhong Xianghong (MaoMing Petrochemical Co., Guangdong, Maoming) ,  Zhao Jinsong (Dep. of Chemical Engineering, Tsinghua Univ., Beijing)
資料名： Jisuanji yu Yingyong Huaxue  (Jisuanji yu Yingyong Huaxue)
巻： 27  号： 5  ページ： 703-708  発行年： 2010年 
JST資料番号： C2534A  ISSN： 1001-4160  CODEN： JYYHE6  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： 多銘柄生産プロセスでは,しばしば銘柄変換が起こり,新銘柄製造プロセスにおける変数間関係性は,変換後の相関に従い変化するので,単一方法での故障検出および診断は,多銘柄生産プロセスの異常状態に対して,有効な判定を下すことはできない。それ故,新規銘柄では,最初に,そ特性を,タイムリーに正確に同定する必要があり,そして,対応する故障検出および診断モデルを,各銘柄に対しても確立しておく必要がある。このために,本論文では,ニューラルネットワーク(ANN)を,銘柄認識のために導入し,主成分分析(PCA)を銘柄認識と結びつけた方式を提案した。すなわち,過去データを用いて,種々の銘柄に対して,BPニューラルネットワーク(BPNN)モデルおよび主成分分析モデルを確立した,オンラインデータにより,BPNNを用いて,現在の銘柄型を確定し,次いでその銘柄に対応する主成分分析(PCA)モデルを呼び出し,故障検出および診断を実行した。その結果より,BPNNは銘柄型を正確に認識でき,そして,認識速度を,仕様限定法より速められるばかりでなく,銘柄変換プロセス決定に適用できた。そのうえ,銘柄認識機能なしに,単一銘柄の通常標本または全ての銘柄の混合通常標本を用いて確立したPCAモデルを使用しただけのPCA故障検出と比較して,銘柄認識を行った後のPCA故障検出は,より正確であり,その方法の有効性を証明できた。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *生産プロセス ,  故障検出 ,  故障診断 ,  ニューラルネットワーク ,  ブランド ,  主成分分析 ,  回線接続
準シソーラス用語： 銘柄 ,  オンライン

分類 (1件)： 化学一般その他  (CA01060X)

タイトルに関連する用語 (5件)： 銘柄 ,  プロセス ,  PCA ,  故障検出 ,  診断