基于交叉熵的改进NPE间歇过程故障检测算法
CSTR:
作者:
作者单位:

(1. 兰州理工大学 电气工程与信息工程学院,兰州 730050;2. 兰州理工大学 甘肃省工业过程先进控制重点实验室,兰州 730050;3. 兰州理工大学 国家级电气与控制工程实验教学中心,兰州 730050)

作者简介:

通讯作者:

E-mail: xqzhao@lut.cn.

中图分类号:

TP277

基金项目:

国家自然科学基金项目(61763029,61873116).


Improved NPE batch process fault detection algorithm based on cross entropy
Author:
Affiliation:

(1. College of Electrical and Information Engineering,Lanzhou University of Technology,Lanzhou730050,China;2. Key Laboratory of Gansu Advanced Control for Industrial Processes,Lanzhou University of Technology,Lanzhou 730050,China;3. National Experimental Teaching Center of Electrical and Control Engineering,Lanzhou University of Technology,Lanzhou730050,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对具有复杂动态特性的间歇过程进行故障检测,邻域保持嵌入(neighborhood preserving embedding, NPE)算法在保持数据局部几何结构时因忽略全局信息而造成检测率较低的问题,提出一种基于交叉熵(cross entropy,CE)的邻域保持嵌入(CEGLNPE)算法.首先,将交叉熵保持全局结构的思想引入NPE的局部结构保持中,得到兼顾全局-局部的目标函数;然后,利用滑动窗进一步解决间歇过程动态性问题并建立全局-局部的故障检测模型,可以同时兼顾全局和局部数据的结构保持,以提高故障检测效率和精度;最后,通过监测SPE、$ {T^{2

    Abstract:

    The neighborhood preserving embedding(NPE) algorithm can preserve the data local structure, but ignore the data global structure for fault detection of complex dynamical batch process, which causes low detection rate. An improved NPE algorithm based on cross entropy global-local neighborhood preserving embedding(CEGLNPE) is proposed. Firstly, the idea of the global structure of cross entropy is introduced into NPE, and the objective function with global-local structure is obtained. Then the sliding window is used to further solve the dynamic problem of batch process and a global-local fault detection model is established to improve fault detection efficiency and accuracy, which can preserve the structures of both global and local data simultaneously. Finally, SPE and $ {T^{2

    参考文献
    相似文献
    引证文献
引用本文

赵小强,张和慧.基于交叉熵的改进NPE间歇过程故障检测算法[J].控制与决策,2021,36(2):411-417

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-01-21
  • 出版日期: 2021-02-20
文章二维码