文献

J-GLOBAL ID：202202284789060406   整理番号：22A0997356

TE-DSに基づく半監視化学プロセスの故障診断方法【JST・京大機械翻訳】

Semi-supervised fault diagnosis method for chemical process based on TE-DS

著者 (5件)： Liu Jiaren (中国科学院 网絡化控制系統重点実験室,沈陽 110016;中国科学院沈陽自動化研究所,沈陽 110169;中国科学院机器人与智能制造創新研究院,沈陽 110169;中国科学院大学,北京 100049) ,  Song Hong (中国科学院 网絡化控制系統重点実験室,沈陽 110016;中国科学院沈陽自動化研究所,沈陽 110169;中国科学院机器人与智能制造創新研究院,沈陽 110169) ,  Li Shuai (中国科学院 网絡化控制系統重点実験室,沈陽 110016;中国科学院沈陽自動化研究所,沈陽 110169;中国科学院机器人与智能制造創新研究院,沈陽 110169;中国科学院大学,北京 100049) ,  Zhou Xiaofeng (中国科学院 网絡化控制系統重点実験室,沈陽 110016;中国科学院沈陽自動化研究所,沈陽 110169;中国科学院机器人与智能制造創新研究院,沈陽 110169) ,  Liu Shurui (中国科学院 网絡化控制系統重点実験室,沈陽 110016;中国科学院沈陽自動化研究所,沈陽 110169;中国科学院机器人与智能制造創新研究院,沈陽 110169)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 39  号： 1  ページ： 84-89  発行年： 2022年 
JST資料番号： C2536A  ISSN： 1001-3695  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： 既存の深さ学習に基づく化学プロセスの故障診断方法には、通常完全なラベルデータが必要で、故障診断モデルなどの限界を構築できるため、時間統合-二重学生モデル(temporalensembling-dualstudent)を提案した。TE-DSの半教師つき化学プロセスの故障診断法である。まず第一に,二重学生モデルに基づいて,分類項目拘束,安定性制約,および一貫性制約条件によって,相互訓練を指導し,誤差累積の発生を効果的に緩和した。時間統合(temporalensembling)を用いて、複数の先のネットワーク評価の予測集成を一致性正則化対象とし、予測値のノイズを緩和し、モデルの訓練時間を短縮する目的を達成し、分類性能を高め、故障診断を実現した。最後に,Tennessee-Eastman(Tennessee-Eastman)化学プロセスのベンチマークデータによる故障診断実験を行い,提案した方式の有効性と実現可能性を検証し,BNLSTM,DCNN,MCLSTMなどと比較した。TE-DSアルゴリズムによる故障診断の優位性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  時間 ,  ネットワーク ,  予測 ,  *故障診断 ,  *化学プロセス ,  モデル ,  正則化 ,  類似性 ,  有効性 ,  ベンチマーク ,  コーパス
準シソーラス用語： 予測値 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 化学プロセス ,  故障診断