《表1 辊道窑状态变量:自适应步长移动窗PCA的辊道窑异常检测方法》
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。
图表编号 | XD00222898400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 邹振弘、印四华 |
绘制单位 | 广东工业大学计算机学院、广东工业大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |