摘要：提出了基于双层机器学习的动态精馏过程故障检测和分离的方法,检测的阈值为正常工况训练的网络输出值与样本的残差.通过对比网络预测值和实测值的偏差检测故障,检测到故障时,启动另一网络对动态过程自适应拟合异常工况数据.网络的预测值与实测值的偏差小于阈值时,拟合成功.通过对两个网络进行结构解析找到造成输出变量异常波动的输入变量.将该方法运用到脱丙烷精馏塔中,检测出过程中的故障,并分离出与故障源相关的变量,表明该方法准确、有效.

原文链接:http://www.cqvip.com//QK/94710A/201702/671893788.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）