典型文献
基于GMM-MD组合算法的过程工业故障预测模型
文献摘要：
介绍了一种基于高斯混合模型(GMM)和马氏距离(MD)组合算法的过程工业故障预测模型.该模型首先通过相关系数去除冗余变量和无关变量,然后通过K-Means聚类算法标记故障前的异常数据以获得核心特征变量,最后基于GMM-MD组合算法构建健康指标,以评估生产过程的健康程度.利用国内某造纸厂实时生产数据对该模型进行验证;结果表明,该模型的故障预测精准率为76.82％,召回率为72.50％,可较好地跟踪造纸过程设备运行状态的变化过程,起到过程工业故障预测作用.
文献关键词：
故障预测;机器学习;造纸;建模模拟
中图分类号：
作者姓名：
杜建;张磊;李继庚;洪蒙纳;满奕
作者机构：
华南理工大学制浆造纸工程国家重点实验室,广东广州,510640;广东省节能中心,广东广州,510030;中新国际联合研究院,广东广州,510555;人工智能与数字经济广东省实验室(广州),广东广州,510335
文献出处：
引用格式：
[1]杜建;张磊;李继庚;洪蒙纳;满奕-.基于GMM-MD组合算法的过程工业故障预测模型)[J].中国造纸学报,2022(02):81-86
A类：
B类：
GMM,MD,组合算法,故障预测模型,高斯混合模型,马氏距离,Means,聚类算法,异常数据,核心特征,特征变量,健康指标,健康程度,造纸厂,生产数据,召回率,造纸过程,设备运行状态,变化过程,预测作用,建模模拟
AB值：
0.379016
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。
