文献

J-GLOBAL ID：201802223347429196   整理番号：18A0645174

DHSCに基づくマルチモード回分プロセス測定データ異常検出法【JST・京大機械翻訳】

Method for detecting abnormal data in multimode batch processes based on dynamic hypersphere structure change

著者 (5件)： Liu Weimin (北京化工大学信息科学与技術学院,北京,100029) ,  Wang Jianlin (北京化工大学信息科学与技術学院,北京,100029) ,  Qiu Kepeng (北京化工大学信息科学与技術学院,北京,100029) ,  Xiong Huan (北京化工大学信息科学与技術学院,北京,100029) ,  Han Rui (北京化工大学信息科学与技術学院,北京,100029)
資料名： Huagong Xuebao  (Huagong Xuebao)
巻： 68  号： 11  ページ： 4201-4207  発行年： 2017年 
JST資料番号： E0215B  ISSN： 0438-1157  CODEN： HUKHAI  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： 多モード回分プロセスの測定データの異常はデータ駆動の多変量統計分析プロセスのモデリングの正確性に直接影響し、バッチプロセスの監視性能を低下させる。多モード回分プロセスにおける測定データの異常問題を解決するために,動的超球構造変化(DHSC)に基づくマルチモード回分プロセス測定データ異常検出法を提案した。この方法は,時間制約のファジィC平均クラスタリング(SCFCM)を導入することによって,多モードのバッチモードのモードを区分的に変化させることができた。異なるモードに対して、サポートベクトルデータ記述(SVDD)を用いて、訓練データに基づく静的超球体と、検査データに基づく動的超球体を構築し、重要なサポートベクトルを球体構造として選択し、さらに超球体の構造変化を識別することで、プロセス測定データの異常検出を実現した。ペニシリン発酵プロセスのシミュレーション実験により,提案した方法が多モードバッチモードのモード分割を実現し,モード測定の異常検出精度に及ぼす影響を低減し,超球体構造変化検出プロセスによりデータ異常を測定でき,高い検出精度を有することを示した。誤検出率は減少した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  ペニシリン発酵 ,  曖昧さ ,  *多モード ,  クラスタ化 ,  統計解析 ,  *バッチ処理 ,  モデリング
準シソーラス用語： 検出精度 ,  変化検出 ,  訓練データ ,  構造変化 ,  多変量 ,  データ駆動 ,  *異常検出 , 【Automatic Indexing@JST】

著者キーワード (4件)： batch processes ,  support vector data description ,  multimode ,  abnormal data detection

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マルチモード ,  回分プロセス ,  測定データ ,  異常検出