|
|
|
|
【英文篇名】 |
An improved convergent cross mapping algorithm for causality identification and time delay analysis between systemic variables under external disturbance |
|
【下载频次】 |
★★★★★ |
|
【作者】 |
罗磊;
程非凡;
邱彤;
赵劲松; |
|
【英文作者】 |
LUO Lei;
CHENG Feifan;
QIU Tong;
ZHAO Jinsong;
Department of Chemical Engineering;
Tsinghua University; |
|
【作者单位】 |
清华大学化学工程系; |
|
【文献出处】 |
化工学报
, CIESC Journal, 编辑部邮箱
2016年 12期
期刊荣誉：中文核心期刊要目总览 ASPT来源刊 中国期刊方阵 CJFD收录刊 |
|
【中文关键词】 |
CCM;
因果分析;
时滞检测;
算法;
过程系统;
安全; |
|
【英文关键词】 |
CCM;
causality analysis;
time-delay detection;
algorithm;
process system;
safety; |
|
【摘要】 |
在化工过程中,可以通过分析变量间的相互作用和时滞关系,推理故障的传播路径和网络,指出故障的根原因。这对提高过程安全性,增强经济效益具有重要意义,是研究的热点和难点。常见的互相关函数和传递熵等方法,由于只适用于线性或弱非线性系统,或计算量较大,往往无法准确地获得变量间的时滞信息和作用强度,在实际应用中存在不足。近年来,在生态领域研究中提出的交叉收敛映射(CCM)算法,被认为是一种适用于非线性耦合过程因果分析的方法,可适用于耦合变量间时滞关系的检测。但对于带有外部扰动的化工过程,CCM无法根据随时受到扰动的过程数据构造出稳定的嵌入流形,导致了时滞和因果分析失败。而基于CCM进行改进的扰动过滤交叉映射(DFCM)方法,通过分析外部扰动对系统的影响,预先筛选扰动数据,再将过滤后的数据代入交叉映射的计算中。算例表明,这种处理能有效地避免扰动下嵌入流形不稳定的问题,适用于处于扰动下的化工过程,并得到良好的时滞和因果关系分析效果。 |
|
【英文摘要】 |
In chemical processes, fault propagation pathways and root cause identification could be discovered though analysis of interactions and time delay relationships among different process variables. Because of its importance in improving process safety and operation profit, fault discovery has been a popular and challenging research topic. Common methods such as correlation and entropy transfer functions, which usually cannot get accurate time delay and interaction strength between variables by limited applica... |
|
【基金】 |
国家自然科学基金项目(U1462206)~~ |
|
【更新日期】 |
2016-12-14 |
|
【分类号】 |
TQ02;TP18 |
|
【正文快照】 |
引言一直以来针对大型复杂系统的因果关系识别和时滞检测都较为困难,尤其是当系统具有非线性特征时。目前已有人从不同角度出发提出了若干方法用于解决过程系统中变量间的因果关系识别和时滞分析。最简单的是互相关函数法(CCF)[1],这一方法通过计算在不同的时滞假设点上的互相? |
|
| 【相似文献】 |
 |
中国期刊全文数据库 |
 |
|
|
中国优秀硕士学位论文全文数据库 |
|
|
|
中国博士学位论文全文数据库 |
|
|
|
中国重要会议论文全文数据库 |
|
|
|
中国重要报纸全文数据库 |
|
|
|
中国学术期刊网络出版总库 |
|
|
|
|
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
|
|
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
|
|
|
| 
推荐 
