《表2 数据集划分：自适应步长移动窗PCA的辊道窑异常检测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《自适应步长移动窗PCA的辊道窑异常检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文以华南某大型陶瓷砖生产企业的辊道窑为例，生产数据收集自该企业辊道窑2018年4月，共1 120个样本，均为正常样本，其中每个样本包含132个状态变量。根据数据特征和与窑炉生产过程的相关性，选出98个状态变量，如表1所示。另外，通过这1 120个样本，建立仿真模型，引入异常，以此比较PCA、MWPCA、ASMWPCA方法的异常检测效果。本文的异常情况为某天然气烧嘴的流量缓慢减少到原来的一半，异常样本共800个，数据集划分如表2所示。