Data-Driven Fault Detection for Industrial Processes (eBook)
XIX, 112 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-16756-1 (ISBN)
Zhiwen Chen aims to develop advanced fault detection (FD) methods for the monitoring of industrial processes. With the ever increasing demands on reliability and safety in industrial processes, fault detection has become an important issue. Although the model-based fault detection theory has been well studied in the past decades, its applications are limited to large-scale industrial processes because it is difficult to build accurate models. Furthermore, motivated by the limitations of existing data-driven FD methods, novel canonical correlation analysis (CCA) and projection-based methods are proposed from the perspectives of process input and output data, less engineering effort and wide application scope. For performance evaluation of FD methods, a new index is also developed.
Zhiwen Chen's research interests include multivariate statistical process monitoring, model-based and data-driven fault diagnosis as well as their application to industrial processes. He is currently working at the School of Information Science and Engineering at Central South University, China.
Zhiwen Chen’s research interests include multivariate statistical process monitoring, model-based and data-driven fault diagnosis as well as their application to industrial processes. He is currently working at the School of Information Science and Engineering at Central South University, China.
A New Index for Performance Evaluation of FD Methods.- CCA-based FD Method for the Monitoring of Stationary Processes.- Projection-based FD Method for the Monitoring of Dynamic Processes.- Benchmark Study and Real-Time Implementation.
| Erscheint lt. Verlag | 2.1.2017 |
|---|---|
| Zusatzinfo | XIX, 112 p. 39 illus. |
| Verlagsort | Wiesbaden |
| Sprache | englisch |
| Themenwelt | Technik ► Elektrotechnik / Energietechnik |
| Schlagworte | Data-Driven method • Deterministic disturbances • Kernel representation • Multivariate statistical process monitoring • Performance Evaluation • Subspace Method |
| ISBN-10 | 3-658-16756-4 / 3658167564 |
| ISBN-13 | 978-3-658-16756-1 / 9783658167561 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 5,1 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
