文献

J-GLOBAL ID：202202230141210553   整理番号：22A1088842

階層的モード同定と積層雑音除去オートエンコーダに基づく多モードプロセス監視【JST・京大機械翻訳】

Multimode process monitoring based on hierarchical mode identification and stacked denoising autoencoder

著者 (12件)： Gao Huihui (Faculty of Information Technology, Beijing University of Technology, Beijing 100124, P.R. China) ,  Gao Huihui (Engineering Research Center of Digital Community, Ministry of Education, Beijing 100124, P.R. China) ,  Gao Huihui (Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, P.R. China) ,  Wei Chen (Faculty of Information Technology, Beijing University of Technology, Beijing 100124, P.R. China) ,  Wei Chen (Engineering Research Center of Digital Community, Ministry of Education, Beijing 100124, P.R. China) ,  Wei Chen (Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, P.R. China) ,  Huang Wenjie (Faculty of Information Technology, Beijing University of Technology, Beijing 100124, P.R. China) ,  Huang Wenjie (Engineering Research Center of Digital Community, Ministry of Education, Beijing 100124, P.R. China) ,  Huang Wenjie (Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, P.R. China) ,  Gao Xuejin (Faculty of Information Technology, Beijing University of Technology, Beijing 100124, P.R. China) ,  Gao Xuejin (Engineering Research Center of Digital Community, Ministry of Education, Beijing 100124, P.R. China) ,  Gao Xuejin (Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, P.R. China)
資料名： Chemical Engineering Science  (Chemical Engineering Science)
巻： 253  ページ： Null  発行年： 2022年 
JST資料番号： B0254A  ISSN： 0009-2509  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 現代のプラントでは,工業プロセスは,一般に異なるモードの下で運転され,そのようなプロセスのための信頼できるモニタリングは非常に重要である。重要課題の一つは,定常モードと遷移モードを含む種々のモードを正確に同定する方法である。本論文では,マルチモードプロセスのために,階層的モード同定戦略と積層雑音除去オートエンコーダ(HMI-SDAE)に基づく新しいモニタリング方式を提案した。最初に,HMIと呼ばれる新しいモード分割戦略を提示した。HMIにおいて,Gauss混合モデル(GMM)を採用して,変数のグローバル分布特性を抽出することによって,種々のモードの予備同定を実現した。この方法で,全多モードプロセスを多重定常モードに分割した。局所密度関係探索(LDRSDPC)に基づく改良密度ピーククラスタリングアルゴリズムを提案して,それらの間の2つの隣接定常モードと遷移モードに含まれるプロセス変数の局所的分布特性を完全に利用することによって,遷移モード同定を達成した。クラスタ化中心を自動的に決定するために,局所密度関係と組み合わせた決定基準を構築した。この階層的方法において,多重定常モードおよび遷移モードを,自動的に,そして,正確に分割した。第二に,プロセス変数に埋め込まれた深い非線形特徴をSDAEによって採掘して,ロバストモニタリングモデルを各定常モードのために確立する。故障を検出するための再構成誤差を用いてモニタリング統計を構築した。提案したHMI-SDAE監視方式の有効性と実現可能性を,数値例とTennessee Eastman(TE)プロセスを用いて例証した。Copyright 2022 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： 監視 ,  クラスタ化 ,  多重化 ,  再構成 ,  モデル ,  布特性 ,  *多モード ,  *モード ,  同定 ,  Gauss模型 ,  プロセス変数 ,  ロバスト性 ,  *雑音除去
準シソーラス用語： Gauss混合モデル ,  *プロセス監視 ,  工業プロセス , 【Automatic Indexing@JST】

著者キーワード (6件)： モード同定 ,  Gauss混合モデル ,  密度ピーククラスタリング ,  積層雑音除去オートエンコーダ ,  マルチモードプロセス監視 ,  工業プロセス

分類 (1件)： 化学プロセスの解析  (XC01030R)

タイトルに関連する用語 (5件)： 同定 ,  雑音除去 ,  オートエンコーダ ,  多モード ,  プロセス監視