【摘要】：為了提高Tennessee-Eastman(TE)過程的故障診斷準(zhǔn)確率,本文研究一種學(xué)習(xí)型偽度量(learning pseudo metric,LPM)代替距離度量的案例檢索方法,并建立了TE過程的案例推理(case-based reasoning,CBR)故障診斷模型.首先建立LPM度量準(zhǔn)則并對(duì)LPM模型進(jìn)行訓(xùn)練,其次度量目標(biāo)案例與每一個(gè)源案例的相似度,從中檢索與目標(biāo)案例相似的同類案例,再采用多數(shù)重用原則從同類案例中決策出目標(biāo)案例的解,最后通過TE過程的運(yùn)行數(shù)據(jù)對(duì)該方法的性能進(jìn)行測(cè)試,并與典型的CBR和BP(back-propagation)神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等方法進(jìn)行對(duì)比,表明本文方法能有效提高故障診斷準(zhǔn)確率,在實(shí)際化工過程中具有一定的推廣應(yīng)用價(jià)值.
[Abstract]:In order to improve the accuracy of fault diagnosis in Tennessee-Eastman (TE) process, a case retrieval method based on learning pseudo-metric (learning pseudo (LPM) instead of distance metric is studied, and a case-based reasoning fault diagnosis model for te process is established. First, the LPM metric criterion is established and the LPM model is trained. Secondly, the similarity between the target case and each source case is measured, and the similar cases similar to the target case are retrieved from the target case. Finally, the performance of the method is tested by the running data of te process, and compared with the typical CBR and BP (back-propagation) neural networks and support vector machines. It shows that this method can effectively improve the accuracy of fault diagnosis and has a certain value of popularization and application in the actual chemical process.
【作者單位】： 北京工業(yè)大學(xué)信息學(xué)部自動(dòng)化學(xué)院;計(jì)算智能與智能系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室;數(shù)字社區(qū)教育部工程研究中心;城市軌道交通北京實(shí)驗(yàn)室;拉籌佰大學(xué)計(jì)算機(jī)科學(xué)與計(jì)算機(jī)工程系;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61374143) 北京市自然科學(xué)基金項(xiàng)目(4152010)資助~~
【分類號(hào)】：TQ050.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈嘉;故障診斷技術(shù)在生產(chǎn)中的應(yīng)用[J];新疆石油學(xué)院學(xué)報(bào);2000年03期

2 范國(guó)偉;故障診斷技術(shù)在化工生產(chǎn)中的應(yīng)用[J];化工礦物與加工;2000年02期

3 沈乃璋,杜惠芳;狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的應(yīng)用[J];化工設(shè)備與防腐蝕;2002年04期

4 曾白泉;大機(jī)組的狀態(tài)監(jiān)測(cè)與故障診斷[J];大氮肥;1999年03期

5 于濤;李立;于征;;故障診斷技術(shù)應(yīng)用兩例[J];設(shè)備管理與維修;2007年04期

6 王迪;姜偉;朱紅波;李凡;;故障診斷技術(shù)在離心泵中的應(yīng)用分析[J];化工機(jī)械;2014年02期

7 陸雪平;;狀態(tài)監(jiān)測(cè)及故障診斷技術(shù)在設(shè)備管理中的應(yīng)用[J];氯堿工業(yè);2009年08期

8 劉春雷,吳重光;化工故障診斷自動(dòng)解釋系統(tǒng)的設(shè)計(jì)與開發(fā)[J];石油化工自動(dòng)化;2004年01期

9 王元生,黃之初;基于故障診斷改進(jìn)雙轉(zhuǎn)盤沖擊破碎機(jī)[J];中國(guó)水泥;2004年04期

10 汪一佛;風(fēng)機(jī)的性能、運(yùn)行及其故障診斷[J];中國(guó)建材裝備;1998年05期

相關(guān)會(huì)議論文 前3條

1 姜樹旺;王利;;故障診斷技術(shù)在化工廠設(shè)備中的應(yīng)用[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

2 張靖;劉博昂;葉昊;;基于標(biāo)準(zhǔn)操作流程(SOP)的開車過程故障診斷方法[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

3 尹雪嬌;;基于蟻群算法的故障診斷[A];創(chuàng)新沈陽文集（A）[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 王尊;多變量經(jīng)驗(yàn)?zāi)B(tài)分解在化工過程故障診斷中的應(yīng)用研究[D];北京化工大學(xué);2015年

2 高欣;基于支持向量機(jī)的田納西化工過程故障診斷研究[D];渤海大學(xué);2016年

3 黃曉倩;基于學(xué)習(xí)型案例推理的TE過程故障診斷方法研究[D];北京工業(yè)大學(xué);2016年

4 黃劍;基于信息融合的TE過程故障診斷[D];沈陽理工大學(xué);2016年

5 高巖;化工過程故障診斷方法應(yīng)用研究[D];江南大學(xué);2005年

6 張Y，

本文編號(hào)：2146197