文献

J-GLOBAL ID：201902250620030290   整理番号：19A1811625

Copula部分空間分割に基づく非線形および非Gauss過程の故障検出と診断【JST・京大機械翻訳】

Fault Detection and Diagnosis for Nonlinear and Non-Gaussian Processes Based on Copula Subspace Division

著者 (5件)： Ren Xiang (Key Laboratory of Advanced Control and Optimization for Chemical Processes, Ministry of Education, East China University of Science and Technology) ,  Ren Xiang (Department of Chemical and Biochemical Engineering, Rutgers University) ,  Zhu Kunping (Department of Mathematics, East China University of Science and Technology) ,  Cai Ting (Department of Environmental Sciences, Rutgers University) ,  Li Shaojun (Key Laboratory of Advanced Control and Optimization for Chemical Processes, Ministry of Education, East China University of Science and Technology)
資料名： Industrial & Engineering Chemistry Research  (Industrial & Engineering Chemistry Research)
巻： 56  号： 40  ページ： 11545-11564  発行年： 2017年 
JST資料番号： C0385C  ISSN： 0888-5885  CODEN： IECRED  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： 故障検出と診断のために,新しいコピー部分空間分割戦略を提案した。高次元産業データを二つの要素部分空間で解析した:結合マージン分布によりモデル化したマージン分布部分空間(MDS),およびコピュラによりモデル化した依存構造部分空間(DSS)。二つのサブモデルの最高密度領域を導入し,確率指標を用いて定量化した。監視指標のロバスト性を改善するために,MDSにおける超矩形制御境界を設計し,等価一変量制御限界を推定した。2つの関連した寄与指数も,故障診断のために構築した。提案した状態図により,根原因変数間の相互作用関係を調べた。提案した手法(二重部分空間および多重部分空間)の有効性および優位性を,数値例およびTennessee Eastman化学プロセスを用いて検証した。主成分分析,独立成分分析,カーネル主成分分析,およびvine銅ベース依存性記述のようないくつかの従来の手法と比較して,より良い監視性能を達成した。提案した多重部分空間アプローチは,産業応用に有望な依存性制限係数を持つ単一変数ベースの警報データを完全に利用する。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 故障診断 ,  化学プロセス ,  *Gauss過程 ,  独立成分分析 ,  相互作用 ,  多重化 ,  *故障検出 ,  モデリング ,  有効性 ,  警報 ,  主成分分析
準シソーラス用語： カーネル主成分分析 ,  コピュラ ,  *部分空間 ,  *空間分割 , 【Automatic Indexing@JST】

分類 (2件)： 化学プロセスの測定,監視,計装  (XC02030Y) ,  化学プロセスの解析  (XC01030R)

タイトルに関連する用語 (5件)： 空間分割 ,  非線形 ,  Gauss過程 ,  故障検出 ,  診断