本文主要研究内容
作者龚安,史海涛（2019）在《基于特征组合分析的主泵异常检测方法》一文中研究指出：为了解决传统阈值法在核电站主泵状态数据异常检测中的误判、实时性差等问题,提出一种基于单维状态数据特征分析和多维状态数据特征分析相结合的方法。对于单维状态参量,使用AR(auto regressive)模型拟合获得模型参数,再结合SOM(self organizing maps)神经网络的量化结果得到单维状态参量随时间变化的过渡概率序列;对于多维状态参量,使用OPTICS(ordering points to identify the clustering structure)算法聚类生成不同的模式组;然后根据两类特征提取结果综合分析,得到异常检测模型;最后将检测模型应用于主泵状态数据异常检测,并与其他方法进行比较。实验结果表明此模型在准确性、实时性上更具优势。
Abstract
wei le jie jue chuan tong yu zhi fa zai he dian zhan zhu beng zhuang tai shu ju yi chang jian ce zhong de wu pan 、shi shi xing cha deng wen ti ,di chu yi chong ji yu chan wei zhuang tai shu ju te zheng fen xi he duo wei zhuang tai shu ju te zheng fen xi xiang jie ge de fang fa 。dui yu chan wei zhuang tai can liang ,shi yong AR(auto regressive)mo xing ni ge huo de mo xing can shu ,zai jie ge SOM(self organizing maps)shen jing wang lao de liang hua jie guo de dao chan wei zhuang tai can liang sui shi jian bian hua de guo du gai lv xu lie ;dui yu duo wei zhuang tai can liang ,shi yong OPTICS(ordering points to identify the clustering structure)suan fa ju lei sheng cheng bu tong de mo shi zu ;ran hou gen ju liang lei te zheng di qu jie guo zeng ge fen xi ,de dao yi chang jian ce mo xing ;zui hou jiang jian ce mo xing ying yong yu zhu beng zhuang tai shu ju yi chang jian ce ,bing yu ji ta fang fa jin hang bi jiao 。shi yan jie guo biao ming ci mo xing zai zhun que xing 、shi shi xing shang geng ju you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自科学技术与工程的龚安,史海涛，发表于刊物科学技术与工程2019年12期论文，是一篇关于异常检测论文,过渡概率序列论文,算法论文,科学技术与工程2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自科学技术与工程2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：异常检测论文; 过渡概率序列论文; 算法论文; 科学技术与工程2019年12期论文;