Abstract: Y. Dong, J. Zhang, C. O'Malley (2024)

This paper proposes a new method for online process fault diagnosis through integration of joint recurrence plot (JRP) and convolutional neural networks (CNN). JRP is used to extract features from the major principal component of the process operational data. The extracted features are used as the inputs to a CNN for fault diagnosis. To facility online fault diagnosis, a sliding window of the major principal components is used in generating JRP. The proposed method is demonstrated on a simulated continuous stirred tank reactor (CSTR). The results show that the proposed method can achieve diagnosis accuracy of 99.49% and 97.12% on the training and testing data sets respectively, higher than those of integrating recurrence plot and CNN.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Online Process Monitoring through Integration of Joint Recurrence Plot and Convolutional Neural Networks