基于动态单类随机森林的非线性过程监控方法-化工学报.pdf

基于动态单类随机森林的非线性过程监控方法-化工学报.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于动态单类随机森林的非线性过程监控方法-化工学报

第68 卷 第4 期 化 工 学 报 Vol.68 No.4 April 2017 2017 年4 月 CIESC Journal ·1459 · DOI :10.11949/j.issn.0438-1157 基于动态单类随机森林的非线性过程监控方法 曹玉苹,卢霄,田学民,邓晓刚 (中国石油大学(华东)信息与控制工程学院,山东青岛 266580 ) 摘要:针对高维化工过程中存在的非线性和动态特性,提出了一种基于动态单类随机森林 (dynamic one-class random forest, DOCRF) 的过程监控方法。对正常运行状态下的过程数据进行稀疏性分析,根据其反分布产生离群 点数据。利用典型变量分析对正常数据进行相关性分析,分别将正常数据和离群点数据投影到典型变量空间, 利用典型变量空间数据训练单类随机森林。基于单类随机森林模型根据待检测样本与正常数据的相似度构造 监控统计量进行故障检测。在Tennessee Eastman 过程的仿真结果表明,所提DOCRF 方法总体优于单类支持 向量机方法。 关键词:过程监控;单类随机森林;单类支持向量机;典型变量分析 中图分类号:TP 277 文献标志码:A 文章编号:0438—1157 (2017 )04—1459—07 Nonlinear process monitoring using dynamic one-class random forest CAO Yuping, LU Xiao, TIAN Xuemin, DENG Xiaogang (College of Information and Control Engineering, China University of Petroleum, Qingdao 266580, Shandong, China) Abstract: For the nonlinear and dynamic characteristics of chemical processes, a process monitoring method based on dynamic one-class random forest (DOCRF) is proposed. The sparsity of the process data under normal operating conditions is analyzed. Then, outliers are produced according to the inverse distribution of the normal data. Canonical variate analysis is used to analyze the correlation of normal data, and to project the normal data and outliers into canonical variate space. One-class random forest is trained by using the data in canonical variate space. The monitoring statistic is establis

文档评论(0)

wangsux + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档