文献

J-GLOBAL ID：201702234478459834   整理番号：17A0964298

多モードプロセスモニタリングと故障検出:スパースモデル化と辞書学習法【Powered by NICT】

Multimode Process Monitoring and Fault Detection: A Sparse Modeling and Dictionary Learning Method

著者 (4件)： Peng Xin (Key Laboratory of Advanced Control and Optimization for Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai, China) ,  Tang Yang (Key Laboratory of Advanced Control and Optimization for Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai, China) ,  Du Wenli (Key Laboratory of Advanced Control and Optimization for Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai, China) ,  Qian Feng (Key Laboratory of Advanced Control and Optimization for Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 64  号： 6  ページ： 4866-4875  発行年： 2017年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,複数の運転条件をもつ非Gaussプロセスの性能モニタリングに焦点を当てた。Bayes推論技術を利用することにより,局所性スパースモデリングを保存して,提案した方法は,現在の運転条件を自動的に同定できる。,データ構造の特徴は,局所性保存投影(LPP)により抽出し,スパースモデリング法によりモデル化した。スパースモデリングとLPPのこのハイブリッドフレームワークは,クラスタリングとモニタリングプロセスデータのためのロバストで正確なパラダイムを提供する。この手法の妥当性と有効性を合成数値例とTennessee Eastmanプロセスベンチマークプロセスの両方に適用することにより検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： データ構造 ,  *透視図法 ,  Gauss過程 ,  *多モード ,  クラスタ化 ,  *モデリング ,  Bayes推定 ,  ロバスト性 ,  局所性 ,  *故障検出
準シソーラス用語： 運転条件 ,  *辞書学習 ,  *プロセス監視 , 【Automatic Indexing@JST】

分類 (3件)： システム・制御理論一般  (IA02010H) ,  電動機  (NB07030U) ,  電力変換器  (NB08030B)

タイトルに関連する用語 (5件)： 多モード ,  プロセスモニタリング ,  故障検出 ,  モデル化 ,  辞書学習