典型文献
基于鲁棒加权模糊聚类的污水处理过程监测方法
文献摘要：
针对非线性强、先验故障知识少、异常工况识别难的污水处理过程监测问题,提出一种基于鲁棒加权模糊c均值(Robust weighted fuzzy c-means,RoW-FCM)聚类与核偏最小二乘(Kernel partial least squares,KPLS)的过程监测方法.首先,针对污水处理过程的高维非线性耦合特性,采用核偏最小二乘对高维输入变量进行降维;其次,针对传统基于最近邻分配的模糊c均值算法对离群点敏感以及存在聚类不平衡簇的问题,提出充分考虑样本间相互关系的基于鲁棒加权模糊c均值聚类算法.通过引入可能性划分矩阵作为权值参数实现不同样本数据的区分加权,提高了离群点数据聚类的鲁棒性,同时引入聚类大小控制参数解决不平衡簇的问题.进一步将基于鲁棒加权模糊c均值算法对核偏最小二乘降维后的得分矩阵进行聚类,利用聚类得到的隶属度矩阵实现异常工况的检测;最后,建立隶属度矩阵与过程变量的回归模型,并利用得到的变量贡献矩阵描述变量对各个簇的解释程度,实现异常工况的识别.数值仿真以及污水处理过程数据实验表明该方法具有更好的鲁棒性能,在异常工况检测和识别上具有较好的效果.
文献关键词：
污水处理;鲁棒加权模糊c均值;核偏最小二乘;过程监测
中图分类号：
作者姓名：
张瑞垚;周平
作者机构：
东北大学流程工业综合自动化国家重点实验室 沈阳 110819
文献出处：
引用格式：
[1]张瑞垚;周平-.基于鲁棒加权模糊聚类的污水处理过程监测方法)[J].自动化学报,2022(09):2198-2211
A类：
异常工况识别,RoW
B类：
模糊聚类,污水处理过程,过程监测,监测方法,先验,故障知识,监测问题,Robust,weighted,fuzzy,means,FCM,核偏最小二乘,Kernel,partial,least,squares,KPLS,非线性耦合,耦合特性,高维输入,最近邻,类不平衡,均值聚类,聚类算法,权值参数,离群点数据,数据聚类,控制参数,决不,隶属度,用得,变量贡献,过程数据,异常工况检测,检测和识别
AB值：
0.318171
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
