《表1 PLS、NPR算法在故障2、6、12、13下的检测效果》
首先,采集正常运行条件下的样本,样本点间隔为3 min。经Bootstrap采样3组大小为960的样本集,分别作为PLS、NPR、LGPCR的训练集;为保证模型准确率,分别选取等量的、具有两类模型标签的故障数据集以及剩余的正常样本作为验证集,为此,以检测率、误报率及首报警样本点(即第160个样本后,第1个超过控制限的样本点,此处用符号SPFA表示)为性能指标,分别检验各故障在PLS及NPR下的故障检测效果。如表1所示,在故障2、13情况下,PLS的总体性能优于NPR;在故障6、12情况下,NPR的总体性能优于PLS。即故障2、13对于过程变量的全局结构(均值、方差)的影响更大,故障6、12对过程变量的局部结构影响更为显著。因此,将剩余正常样本与故障2、6、12、13样本数据集作为验证集,用于获取最优权重。表1中黑体数字为两种算法中表现最优的检测结果。
图表编号 | XD00118457400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.30 |
作者 | 薛敏、杨健、谭帅、侍洪波 |
绘制单位 | 华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |