李晨阳
- 作品数：3 被引量：0H指数：0
- 供职机构：南京工业大学更多>>
- 发文基金：中国博士后科学基金江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：环境科学与工程自动化与计算机技术更多>>
- 一种改进的CSCA+PCA化工过程异常检测技术
- 2017年
- 为了解决化工过程异常检测时因参数众多且数据庞杂而导致一些异常无法被有效检出的问题,在Brownlee的克隆选择分类算法(CSCA)基础上,通过引入主成分分析(PCA)技术,进行数据降维和数据重整,探讨了人工免疫算法在化工过程异常检测中的适用效果和技术方案,以TE过程数据作为样本进行异常检测和分类实验。结果表明,过程异常数据的规模、属性的数目对CSCA异常检测效果具有明显影响,而通过主成分分析进行数据降维之后,CSCA检测效果有所提高;进一步的数据重整之后,CSCA对过程异常分类辨识的准确率可提升到85%以上;基于CSCA+PCA的数据降维及重构之后的过程异常检测技术方案,可以获得较高的异常检测准确率,从而一定程度上为化工过程安全运行提供技术保障。
- 王静虹李晨阳支有冉王志荣
- 关键词：主成分分析化工过程异常检测
- 结合BP神经网络与二参数威布尔分布的故障率预测方法
- 本发明结合BP神经网络与二参数威布尔分布的故障率预测方法涉及工程实际应用过程中设备可靠性领域，更具体地涉及利用BP神经网络与二参数威布尔分布相结合的方法对设备故障率进行预测。本发明的技术方案如下所示：结合BP神经网络与二...
- 王静虹李晨阳蒋军成
- 结合BP神经网络与二参数威布尔分布的故障率预测方法
- 本发明结合BP神经网络与二参数威布尔分布的故障率预测方法涉及工程实际应用过程中设备可靠性领域，更具体地涉及利用BP神经网络与二参数威布尔分布相结合的方法对设备故障率进行预测。本发明的技术方案如下所示：结合BP神经网络与二...
- 王静虹李晨阳蒋军成
- 文献传递
