Optimal sensor selection for Actuator Fault Detection and Identification Using Dynamic PCA-ANN in the Tennessee Eastman Process
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 460
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_1065
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
Data driven fault detection methods are highly impressed by data quality gathered in distributed sensor network. So by increasing statistical properties in central processing unit, false alarm and miss detection will be reduced significantly in data based FDI method. In this paper a novel approach has been proposed for actuator fault detection in which a dynamic BP-ANN selects optimal set of sensors, then sensor data has been refined by PCA to highlight the variation caused by actuator fault. Simulation result achieved on Tennessee Eastman Process data justified the proposed approach performance.Keywords— Fault Detection and Identification, Dynamic PCA, Tennessee Eastman Process
کلیدواژه ها:
نویسندگان
Safieh Bamati Toosi
Msc Student, Islamic Azad University Tehran Markaz Branch Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :