基于通勤时间距离的LE污水处理过程故障检测方法
  • 【DOI】

    10.3969/j.issn.1000-6923.2019.02.027

  • 【摘要】

    污水处理过程的性能监测与故障诊断,对于保障污水处理过程正常运行及保证出水质量达标具有重要意义.针对污水处理过程数据具有非线性、不确定性及且易受随机噪声影响等特征,提出了一种新的基于通勤时间距离的LE 流形学习算法实现对复杂过程数据的特征提取.改进算法采用通勤时间距离方式进行样本间的相似度衡量并构造邻域图,理论分析和仿真测试表明改进算法可有效克服基本LE 算法的邻域参数敏感问题并提高了算法的鲁棒性.... 展开>>污水处理过程的性能监测与故障诊断,对于保障污水处理过程正常运行及保证出水质量达标具有重要意义.针对污水处理过程数据具有非线性、不确定性及且易受随机噪声影响等特征,提出了一种新的基于通勤时间距离的LE 流形学习算法实现对复杂过程数据的特征提取.改进算法采用通勤时间距离方式进行样本间的相似度衡量并构造邻域图,理论分析和仿真测试表明改进算法可有效克服基本LE 算法的邻域参数敏感问题并提高了算法的鲁棒性.将基于通勤时间距离的LE 流形学习算法用于污水处理过程故障检测建模,在低维流形子空间构造综合统计量进行过程监测.应用结果表明,与基于PCA 方法和LE 方法的故障检测模型相比,基于改进算法的故障检测模型可及时探测故障的发生,具有较低的故障漏报率和故障误报率.为污水处理等复杂工业过程的故障监测提供了一种可行的解决方案. 收起<<

  • 【作者】

    陈如清  李嘉春  俞金寿 

  • 【作者单位】

    嘉兴学院机电工程学院/嘉兴学院数理与信息工程学院/华东理工大学自动化研究所

  • 【刊期】

    中国环境科学 ISTIC EI PKU 2019年2期

  • 【关键词】

    污水生化处理过程  故障检测建模  通勤时间距离  非线性噪声数据  LE算法  wastewater biological treatment process  fault detection modeling  commute time distance  nonlinear noisy data  Laplacian Eigenmap 

  • 【基金项目】

    浙江省基础公益研究计划项目 国家自然科学基金资助项目