文献

J-GLOBAL ID：202102210778191483   整理番号：21A2700609

工業プロセス監視のための動的非Gaussハイブリッド逐次モデリング【JST・京大機械翻訳】

Dynamic Non-Gaussian hybrid serial modeling for industrial process monitoring

著者 (13件)： Li Shuai (Key Laboratory of Networked Control Systems, Chinese Academy of Sciences, Shenyang 110016, China) ,  Li Shuai (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China) ,  Li Shuai (Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169, China) ,  Li Shuai (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Zhou Xiaofeng (Key Laboratory of Networked Control Systems, Chinese Academy of Sciences, Shenyang 110016, China) ,  Zhou Xiaofeng (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China) ,  Zhou Xiaofeng (Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169, China) ,  Shi Haibo (Key Laboratory of Networked Control Systems, Chinese Academy of Sciences, Shenyang 110016, China) ,  Shi Haibo (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China) ,  Shi Haibo (Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169, China) ,  Pan Fucheng (Key Laboratory of Networked Control Systems, Chinese Academy of Sciences, Shenyang 110016, China) ,  Pan Fucheng (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China) ,  Pan Fucheng (Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169, China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 216  ページ： Null  発行年： 2021年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： プロセスモニタリングは,現代の工業プロセスにおける故障検出と性能監視に広く使用されている。それにもかかわらず,Gauss性,非Gauss性,および動的を含むハイブリッド特性は,プロセス変数に通常共存し,満足なモニタリング性能を得る新しい挑戦をもたらす。ハイブリッド特性問題に狙いを定めて,本論文は産業プロセスモニタリングのための動的非Gaussハイブリッドシリアルモデリング法を提案した。最初に,多変量非Gauss性評価法を用いて,産業プロセス変数をGauss変数部分空間と非Gauss変数部分空間に分割した。その後,Gauss性,非Gauss性,および情報レベルでの動的を含むハイブリッド特性を考慮して,動的主成分分析(DPCA)-動的独立成分分析(DICA)ベースのハイブリッドシリアルモデリング法を,各変数部分空間における動的Gaussおよび非Gauss情報を同時に解析するために提示した。続いて,Bayes推論を用いて最終監視結果を得て,故障同定のためにDPCA-DICAベースのハイブリッドシリアル類似性因子を提案した。既存の方法と異なり,提案方法は,性能を改善するための変数と情報の異なるレベルでGauss性,非Gauss性,および動的を同時に分析する。数値的システム,Tennessee Eastmanプロセスおよび実用的工業プロセスを含む事例研究は,その実現可能性と有効性を実証した。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  故障検出 ,  Bayes推定 ,  事例研究 ,  有効性 ,  プロセス変数 ,  主成分分析 ,  独立成分分析
準シソーラス用語： 部分空間 ,  評価法 ,  *プロセス監視 ,  非Gauss性 ,  性能監視 ,  *工業プロセス ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： プロセスモニタリング ,  動的非Gaussハイブリッド逐次モデリング ,  多変量非Gauss性評価 ,  Bayes推論 ,  ハイブリッド直列類似性因子

分類 (2件)： 数値計算  (JE02000J) ,  ドキュメンテーション  (CA01030Q)

タイトルに関連する用語 (4件)： 工業 ,  プロセス監視 ,  逐次 ,  モデリング