文献类型：期刊文献

中文题名：基于支持向量机的化工过程故障诊断

英文题名：SVM-based Fault Diagnosis for Chemical Process

作者：陈剑雪[1];侍洪波[2]

机构：[1]上海工程技术大学电子电气工程学院,上海200065;[2]华东理工大学自动化研究所,上海200237

年份：2004

卷号：30

期号：3

起止页码：315

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：2004358330458);Scopus;北大核心:【北大核心2000】；CSCD:【CSCD2011_2012】；

基金：上海市自然科学基金项目(01ZD14014);上海工程技术大学青年基金项目(2003Q03)。

语种：中文

中文关键词：故障诊断;连续搅拌釜式反应器;支持向量机;BP神经网络;小波网络

外文关键词：fault diagnosis; CSTR; support vector machines; BP neural networks; wavelet-net

摘要：引入了基于统计学习理论的支持向量机技术,以连续搅拌釜式反应器——CSTR模型为例,研究了非线性化工复杂反应过程的故障诊断问题。实验结果表明,支持向量机方法与传统故障诊断方法相比,具有更好的精度、速度以及适应性。
The technique of the support vector machines, which are based on the statistical learning theory, is introduced into the fault diagnosis for non-linear chemical process. A series of experimental (results) of the CSTR model show that SVM has a better diagnosis performance than those traditional chemical process fault detection and diagnosis methods such as BPNN, wavelet-net.