基于多元时滞序列驱动的复杂过程故障预测方法应用研究
复杂过程故障预测是保证过程安全可靠运行的关键,而复杂系统的工作状态往往由多元时滞序列决定,该序列含有变量间的时滞信息及相关关系,具有一定的信息完备性.因此文章提出一种基于多元时滞序列驱动的复杂过程故障预测方法,该方法首先构建复杂系统的时滞符号有向图(TD-SDG)进而得到多元时滞序列,然后针对复杂系统变量多、关系复杂的问题,提出一种独立成分分析(ICA)和ELM神经网络集成的方法,此方法可快速获取多元时滞序列的独立成分从而建立监控统计量,最终达到故障预测的目的.通过以Tennessee Eastman(TE)过程上的仿真实验为例进行验证,表明所提方法能够至少提前15min预测到故障,方便工作人员及时有效地采取措施.
工业生产 复杂过程 故障预测 多元时滞序列 极限学习机 独立成分分析法
徐圆 刘莹 朱群雄
北京化工大学信息科学与技术学院,北京100029
国内会议
呼和浩特
中文
4290-4295
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）