《表1 实验案例的异常检测阈值》
%
如图4所示,通过PID神经网络训练,构建的模型对控制器行为的预测与实际测量值具有良好的一致性.如表1所示,预测值与实测值的平均误差均小于1%.根据测试结果,分别取3个控制回路的预测值与实测值最大误差绝对值作为异常判别基线,即检测阈值.
图表编号 | XD00174275600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 安超、周纯杰 |
绘制单位 | 华中科技大学人工智能与自动化学院、华中科技大学人工智能与自动化学院 |
更多格式 | 高清、无水印(增值服务) |
%
如图4所示,通过PID神经网络训练,构建的模型对控制器行为的预测与实际测量值具有良好的一致性.如表1所示,预测值与实测值的平均误差均小于1%.根据测试结果,分别取3个控制回路的预测值与实测值最大误差绝对值作为异常判别基线,即检测阈值.
图表编号 | XD00174275600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 安超、周纯杰 |
绘制单位 | 华中科技大学人工智能与自动化学院、华中科技大学人工智能与自动化学院 |
更多格式 | 高清、无水印(增值服务) |