间歇过程测量数据异常智能检测方法研究
发布时间：2024-11-20 21:28
间歇过程是现代工业生产的一种重要生产方式,随着现代社会对高质量产品需求的提高,极大地促进了间歇生产的发展,使得其生产过程从简单到复杂的转变。在间歇过程生产中,现场检测仪表或变送器提供了丰富的过程测量数据,为基于数据驱动的过程在线监测和优化控制提供了基础。然而,由于受到现场检测仪表或变送器性能下降和电磁干扰等因素的影响,导致间歇过程测量数据出现异常,降低了过程测量数据的质量,制约了数据驱动过程建模准确性的提高,因此,研究间歇过程测量数据智能异常检测方法,为数据驱动的过程建模、在线监测及优化控制提供可靠的过程测量数据,具有重要的理论意义和应用价值。本文在详细分析间歇过程特性和过程测量数据特征的基础上,研究间歇过程测量数据异常智能检测方法,主要完成以下研究工作:1、提出了一种基于无监督多尺度时序划分的间歇过程时段划分方法。首先,给出了一种无监督多尺度模糊聚类分析方法,通过求解在模糊类间距离约束和时序约束下的聚类目标函数,获得数据的隶属度;然后,给出一种时序时段划分方法,根据时变数据集的数据隶属度变化捕捉主时段和过渡时段的划分点;进而,设定全局时段和局部时段协同划分规则,根据二次误差之和指标和混...
【文章页数】：118 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
1.1 引言
1.2 间歇过程测量数据异常检测方法研究现状
1.2.1 间歇过程特性
1.2.2 间歇过程的测量数据特征
1.2.3 间歇过程时段划分研究现状
1.2.4 间歇过程不等长时段数据处理研究现状
1.2.5 间歇过程测量数据异常检测研究现状
1.3 研究意义与主要研究内容
1.3.1 研究意义
1.3.2 主要研究内容
第二章 支持向量数据描述分类建模
2.1 引言
2.2 SVDD模型建立与数据分类
2.2.1 SVDD超球体模型
2.2.2 SVDD控制限
2.2.3 SVDD数据分类
2.3 SVDD应用在间歇过程的问题
2.3.1 SVDD应用在间歇过程时段划分的问题
2.3.2 SVDD应用在间歇过程测量数据异常检测的问题
2.4 小结
第三章 间歇过程时段划分方法研究
3.1 引言
3.2 无监督多尺度时序划分
3.2.1 无监督多尺度模糊聚类
3.2.2 时序时段划分
3.2.3 无监督多尺度时序划分的实现流程
3.3 基于UMSP的间歇过程离线时段划分
3.3.1 数据展开与数据标准化
3.3.2 基于UMSP的间歇过程时段划分
3.4 基于UMSP和SVDD的间歇过程在线时段划分
3.5 实验结果与分析
3.5.1 时序电子手写图形聚类实验结果与分析
3.5.2 青霉素发酵过程时段划分实验结果与分析
3.6 小结
第四章 间歇过程不等长时段测量数据同步化方法研究
4.1 引言
4.2 动态时间规整
4.3 提升小波包变换
4.4 基于LWPT-DTW的间歇过程不等长时段测量数据轨迹同步化
4.4.1 基于提升小波包变换的动态时间规整
4.4.2 小波基函数和分解级数的优化
4.4.3 基于LWPT-DTW的间歇过程不等长时段测量数据轨迹同步化实现
4.5 实验结果与分析
4.5.1 青霉素发酵过程
4.5.2 同步化结果
4.6 小结
第五章 间歇过程测量数据异常智能检测方法研究
5.1 引言
5.2 基于动态超球结构变化的支持向量数据描述
5.2.1 拉格朗日乘子更新
5.2.2 超球体结构变化
5.2.3 超球体重要结构
5.3 基于DHSC-SVDD间歇过程测量数据异常检测
5.3.1 离线建模
5.3.2 在线建模与异常检测
5.4 实验结果与分析
5.4.1 UCI机器学习数据集分类实验结果与分析
5.4.2 半导体蚀刻过程测量数据异常检测实验结果与分析
5.4.3 青霉素发酵过程测量数据异常检测实验结果与分析
5.5 小结
第六章 结论和展望
6.1 结论
6.2 展望
参考文献
致谢
博士期间发表的学术成果及参加的科研项目
作者和导师简介
附表
本文编号：4012384
【文章页数】：118 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
1.1 引言
1.2 间歇过程测量数据异常检测方法研究现状
1.2.1 间歇过程特性
1.2.2 间歇过程的测量数据特征
1.2.3 间歇过程时段划分研究现状
1.2.4 间歇过程不等长时段数据处理研究现状
1.2.5 间歇过程测量数据异常检测研究现状
1.3 研究意义与主要研究内容
1.3.1 研究意义
1.3.2 主要研究内容
第二章 支持向量数据描述分类建模
2.1 引言
2.2 SVDD模型建立与数据分类
2.2.1 SVDD超球体模型
2.2.2 SVDD控制限
2.2.3 SVDD数据分类
2.3 SVDD应用在间歇过程的问题
2.3.1 SVDD应用在间歇过程时段划分的问题
2.3.2 SVDD应用在间歇过程测量数据异常检测的问题
2.4 小结
第三章 间歇过程时段划分方法研究
3.1 引言
3.2 无监督多尺度时序划分
3.2.1 无监督多尺度模糊聚类
3.2.2 时序时段划分
3.2.3 无监督多尺度时序划分的实现流程
3.3 基于UMSP的间歇过程离线时段划分
3.3.1 数据展开与数据标准化
3.3.2 基于UMSP的间歇过程时段划分
3.4 基于UMSP和SVDD的间歇过程在线时段划分
3.5 实验结果与分析
3.5.1 时序电子手写图形聚类实验结果与分析
3.5.2 青霉素发酵过程时段划分实验结果与分析
3.6 小结
第四章 间歇过程不等长时段测量数据同步化方法研究
4.1 引言
4.2 动态时间规整
4.3 提升小波包变换
4.4 基于LWPT-DTW的间歇过程不等长时段测量数据轨迹同步化
4.4.1 基于提升小波包变换的动态时间规整
4.4.2 小波基函数和分解级数的优化
4.4.3 基于LWPT-DTW的间歇过程不等长时段测量数据轨迹同步化实现
4.5 实验结果与分析
4.5.1 青霉素发酵过程
4.5.2 同步化结果
4.6 小结
第五章 间歇过程测量数据异常智能检测方法研究
5.1 引言
5.2 基于动态超球结构变化的支持向量数据描述
5.2.1 拉格朗日乘子更新
5.2.2 超球体结构变化
5.2.3 超球体重要结构
5.3 基于DHSC-SVDD间歇过程测量数据异常检测
5.3.1 离线建模
5.3.2 在线建模与异常检测
5.4 实验结果与分析
5.4.1 UCI机器学习数据集分类实验结果与分析
5.4.2 半导体蚀刻过程测量数据异常检测实验结果与分析
5.4.3 青霉素发酵过程测量数据异常检测实验结果与分析
5.5 小结
第六章 结论和展望
6.1 结论
6.2 展望
参考文献
致谢
博士期间发表的学术成果及参加的科研项目
作者和导师简介
附表
本文编号：4012384
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/4012384.html
